药物分子性质预测模型的训练方法、面向药物发现的药物分子性质预测方法及装置
本公开涉及人工智能药物发现与分子性质预测领域,尤其涉及一种药物分子性质预测模型的训练方法、面向药物发现的药物分子性质预测方法及装置。
背景技术:
1、药物发现通常需要对大量药物分子进行药物性质评估,例如血脑屏障通透性、靶点抑制活性、临床毒性、药物副作用、抗病毒活性、代谢稳定性和溶解性等。然而,湿实验验证成本高、周期长且存在标签噪声,导致药物发现任务相关的真实带标签数据集规模有限,通常存在正负类别样本不平衡、部分任务标签缺失及化学骨架类型覆盖不足等问题。
2、现有的分子性质预测方法多依赖有限的真实带标签数据集、或固定的外部未标注分子库进行模型训练,难以有效扩展与目标药物性质相关的化学空间支持区域,导致模型在面对未曾学习的新化学骨架分子或带标签数据较少场景时性质预测的泛化能力不足,预测精度下降,无法满足实际药物研发中高效、准确筛选药物分子的实际需求。
技术实现思路
1、有鉴于此,本公开提出了一种药物分子性质预测模型的训练方法、面向药物发现的药物分子性质预测方法及装置、设备、介质及产品。该方法针对现有技术中真实标签数据稀缺且化学空间覆盖不足的问题,通过条件分子生成模型和性质预测模型协同与迭代微调,使其在面对训练集未见过的全新骨架或真实带标签药物分子数据集少场景时,仍能保持高精度的预测性能。
2、根据本公开的一方面,提供了一种药物分子性质预测模型的训练方法,所述方法包括:
3、以药物分子生成约束为生成引导,通过条件分子生成模型定向生成多个初始合成分子;其中,所述药物分子生成约束至少包括指向所述初始合成分子性质的期望性质标签;所述药物分子生成约束依据与当前药物发现任务相关的各真实药物分子的性质标签统计分布确定;所述性质标签表征在当前药物发现任务关联的各药物性质维度下药物分子的表现;
4、通过性质预测模型,确定各初始合成分子的预测标签与该预测标签的置信度;所述性质预测模型初始化以与当前药物发现任务相关的各真实药物分子及其性质标签进行训练;
5、基于各初始合成分子的预测标签与所述期望性质标签的一致性、以及该预测标签的置信度,筛选出候选合成分子;
6、针对每一候选合成分子,将该候选合成分子、该候选合成分子的标签信息组成一个合成样本更新至历史样本库;该候选合成分子的标签信息包括所述期望性质标签;所述历史样本库还包括历史轮次筛选出的候选合成分子及其标签信息;
7、基于从历史样本库选取的合成样本、以及所述真实药物分子及其性质标签,对所述性质预测模型进行微调,基于当前筛选的候选合成分子及其标签信息、以及所述真实药物分子及其性质标签对所述条件分子生成模型进行微调,确定出当前迭代所得的性质预测模型与条件分子生成模型;
8、在当前轮次未满足设定停止条件的情况下,基于所述当前迭代所得的性质预测模型与条件分子生成模型,返回至所述通过条件分子生成模型生成多个初始合成分子的步骤。
9、在一些实施例中,所述条件分子生成模型初始化训练包括通用训练与场景针对性微调;所述通用训练采用通用药物分子库实现,所述通用训练用于训练所述条件分子生成模型学习药物分子的结构先验知识;所述结构先验知识至少包括分子语法、键连规则、分子拓扑和药物样化学空间;所述场景针对性微调采用与所述当前药物发现任务相关的药物分子库实现。
10、在一些实施例中,所述确定出当前迭代所得的性质预测模型与条件分子生成模型,包括:
11、在对所述性质预测模型进行微调的操作结束后,确定当前轮次微调的性质预测模型在验证集上的性能指标;所述验证集与历史轮次作性能指标测试采用的验证集相同;
12、若所述性能指标位于性能可接受范围内,则将当前轮次微调的性质预测模型与条件分子生成模型,作为所述当前迭代所得的性质预测模型与条件分子生成模型;其中,所述性能可接受范围以历史最优性能指标为基准确定;所述历史最优性能指标表示各历史轮次微调的性质预测模型在同一验证集上测得的性能指标序列中、指示性能表现最优的性能指标;
13、否则,将所述历史最优性能指标对应的历史轮次中、微调的性质预测模型与条件分子生成模型,作为所述当前迭代所得的性质预测模型与条件分子生成模型。
14、在一些实施例中,所述从历史样本库选取的合成样本通过以下步骤确定:
15、基于所述历史样本库中各候选合成分子的标签信息的置信度,按照置信度降序排列选择前m个合成样本,作为所述从历史样本库选取的合成样本;所述标签信息的置信度基于所述候选合成分子的预测标签的置信度确定。
16、在一些实施例中,所述从历史样本库选取的合成样本通过以下步骤确定:
17、获取所述历史样本库中各候选合成分子的化学骨架;所述化学骨架表征所述候选合成分子中除分子中取代基及侧链原子以外的核心拓扑结构;基于各候选合成分子的化学骨架与预设的骨架多样性约束,从所述历史样本库中选择合成样本。
18、在一些实施例中,所述基于各候选合成分子的化学骨架与预设的骨架多样性约束,从所述历史样本库中选择合成样本,包括:
19、以化学骨架作为分组标识对所述历史样本库中各候选合成分子进行聚类,得到多个聚类组;
20、从每一聚类组中按照设定策略选择一个或多个候选合成分子,将各聚类组中选择出的候选合成分子及其标签信息作为从历史样本库选取的合成样本;所述设定策略包括随机抽样选择、或按照候选合成分子的标签信息的置信度选择。
21、在一些实施例中,在通过条件分子生成模型生成多个初始合成分子后,所述方法还包括:
22、基于预定义的化学结构规则,对每一初始合成分子进行有效性校验;所述有效性校验用于筛选出化学合法的初始合成分子;
23、对于筛选出化学合法的初始合成分子,去除满足重筛条件的初始合成分子后,将剩余的初始合成分子通过所述性质预测模型做预测;其中,重筛条件包括:该初始合成分子已存在于与当前药物发现任务相关的真实药物分子集合中。
24、在一些实施例中,所述基于各初始合成分子的预测标签与所述期望性质标签的一致性、以及该预测标签的置信度,筛选出候选合成分子,包括:
25、在所述当前药物发现任务关联单一药物性质维度的情况下,将满足第一筛选条件的初始合成分子确定为候选合成分子;所述第一筛选条件包括:初始合成分子的预测标签与所述期望性质标签相同、且该预测标签的置信度超出第一置信度阈值;
26、在所述当前药物发现任务关联多个药物性质维度的情况下,将满足第二筛选条件的初始合成分子确定为候选合成分子;所述第二筛选条件包括:初始合成分子的预测标签与所述期望性质标签在至少k个药物性质维度下的标签取值相同、且该k个药物性质维度下标签取值各自对应的置信度超出第二置信度阈值;所述k为正整数且小于等于关联的药物性质维度数量。
27、根据本公开的另一方面,提供了一种药物分子性质预测模型的训练装置,所述装置包括:
28、分子生成模块,用于以药物分子生成约束为生成引导,通过条件分子生成模型定向生成多个初始合成分子;其中,所述药物分子生成约束至少包括指向所述初始合成分子性质的期望性质标签;所述药物分子生成约束依据与当前药物发现任务相关的各真实药物分子的性质标签统计分布确定;所述性质标签表征在当前药物发现任务关联的各药物性质维度下药物分子的表现;
29、性质预测模块,用于通过性质预测模型,确定各初始合成分子的预测标签与该预测标签的置信度;所述性质预测模型初始化以与当前药物发现任务相关的各真实药物分子及其性质标签进行训练;
30、样本筛选模块,用于基于各初始合成分子的预测标签与所述期望性质标签的一致性、以及该预测标签的置信度,筛选出候选合成分子;
31、样本库更新模块,用于针对每一候选合成分子,将该候选合成分子、该候选合成分子的标签信息组成一个合成样本更新至历史样本库;该候选合成分子的标签信息包括所述期望性质标签;所述历史样本库还包括历史轮次筛选出的候选合成分子及其标签信息;
32、微调模块,用于基于从历史样本库选取的合成样本、以及所述真实药物分子及其性质标签,对所述性质预测模型进行微调,基于当前筛选的候选合成分子及其标签信息、以及所述真实药物分子及其性质标签对所述条件分子生成模型进行微调,确定出当前迭代所得的性质预测模型与条件分子生成模型;
33、迭代控制模块,用于在当前轮次未满足设定停止条件的情况下,基于所述当前迭代所得的性质预测模型与条件分子生成模型,返回至所述通过条件分子生成模型生成多个初始合成分子的步骤。
34、在一些实施例中,所述条件分子生成模型初始化训练包括通用训练与场景针对性微调;所述通用训练采用通用药物分子库实现,所述通用训练用于训练所述条件分子生成模型学习药物分子的结构先验知识;所述结构先验知识至少包括分子语法、键连规则、分子拓扑和药物样化学空间;所述场景针对性微调采用与所述当前药物发现任务相关的药物分子库实现。
35、在一些实施例中,所述微调模块具体包括:
36、在对所述性质预测模型进行微调的操作结束后,确定当前轮次微调的性质预测模型在验证集上的性能指标;所述验证集与历史轮次作性能指标测试采用的验证集相同;
37、若所述性能指标位于性能可接受范围内,则将当前轮次微调的性质预测模型与条件分子生成模型,作为所述当前迭代所得的性质预测模型与条件分子生成模型;其中,所述性能可接受范围以历史最优性能指标为基准确定;所述历史最优性能指标表示各历史轮次微调的性质预测模型在同一验证集上测得的性能指标序列中、指示性能表现最优的性能指标;
38、否则,将所述历史最优性能指标对应的历史轮次中、微调的性质预测模型与条件分子生成模型,作为所述当前迭代所得的性质预测模型与条件分子生成模型。
39、在一些实施例中,所述从历史样本库选取的合成样本通过以下步骤确定:
40、基于所述历史样本库中各候选合成分子的标签信息的置信度,按照置信度降序排列选择前m个合成样本,作为所述从历史样本库选取的合成样本;所述标签信息的置信度基于所述候选合成分子的预测标签的置信度确定。
41、在一些实施例中,所述从历史样本库选取的合成样本通过以下步骤确定:
42、骨架获取模块,被配置为获取所述历史样本库中各候选合成分子的化学骨架;所述化学骨架表征所述候选合成分子中除分子中取代基及侧链原子以外的核心拓扑结构;
43、选择模块,被配置为基于各候选合成分子的化学骨架与预设的骨架多样性约束,从所述历史样本库中选择合成样本。
44、在一些实施例中,所述选择模块具体用于:
45、以化学骨架作为分组标识对所述历史样本库中各候选合成分子进行聚类,得到多个聚类组;从每一聚类组中按照设定策略选择一个或多个候选合成分子,将各聚类组中选择出的候选合成分子及其标签信息作为从历史样本库选取的合成样本;所述设定策略包括随机抽样选择、或按照候选合成分子的标签信息的置信度选择。
46、在一些实施例中,在通过条件分子生成模型生成多个初始合成分子后,所述装置还包括:
47、有效性校验模块,被配置为基于预定义的化学结构规则,对每一初始合成分子进行有效性校验;所述有效性校验用于筛选出化学合法的初始合成分子;
48、去重模块,被配置为对于筛选出化学合法的初始合成分子,去除满足重筛条件的初始合成分子后,将剩余的初始合成分子通过所述性质预测模型做预测;其中,重筛条件包括:该初始合成分子已存在于与当前药物发现任务相关的真实药物分子集合中。
49、在一些实施例中,所述样本筛选模块具体用于:
50、在所述当前药物发现任务关联单一药物性质维度的情况下,将满足第一筛选条件的初始合成分子确定为候选合成分子;所述第一筛选条件包括:初始合成分子的预测标签与所述期望性质标签相同、且该预测标签的置信度超出第一置信度阈值;
51、在所述当前药物发现任务关联多个药物性质维度的情况下,将满足第二筛选条件的初始合成分子确定为候选合成分子;所述第二筛选条件包括:初始合成分子的预测标签与所述期望性质标签在至少k个药物性质维度下的标签取值相同、且该k个药物性质维度下标签取值各自对应的置信度超出第二置信度阈值;所述k为正整数且小于等于关联的药物性质维度数量。
52、根据本公开另一方面,提供了一种面向药物发现的药物分子性质预测方法,所述方法包括:
53、获取适配于当前药物发现任务的性质预测模型;其中,该性质预测模型采用前述药物分子性质预测模型的训练方法训练得到;
54、针对所述当前药物发现任务相关的待评估的各个药物分子,通过所述性质预测模型,确定各药物分子的预测标签与该预测标签的置信度;
55、基于所述药物分子的预测标签与该预测标签的置信度,确定所述药物分子的性质评估结果;所述性质评估结果用于为当前药物发现任务的处理需求提供决策依据。
56、根据本公开另一方面,提供了一种面向药物发现的药物分子性质评估装置,所述装置包括:
57、模型获取模块,用于获取适配于当前药物发现任务的性质预测模型;其中,该性质预测模型采用前述药物分子性质预测模型的训练方法训练得到;
58、预测模块,用于针对所述当前药物发现任务相关的待评估的各个药物分子,通过所述性质预测模型,确定各药物分子的预测标签与该预测标签的置信度;
59、结果生成模块,用于基于所述药物分子的预测标签与该预测标签的置信度,确定所述药物分子的性质评估结果;所述性质评估结果用于为当前药物发现任务的处理需求提供决策依据。
60、根据本公开另一方面,提供了一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述计算机程序以实现上述方法的步骤。
61、根据本公开另一方面,提供了一种非易失性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
62、根据本公开另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
63、在本公开实施例中,通过统计真实带标签药物分子数据的性质标签分布指导条件分子生成模型定向构造初始合成分子,利用性质预测模型对初始合成分子进行性质预测来筛选高价值的候选合成分子,以该候选合成分子及其标签信息扩展性质预测模型的训练集,从而在减少伪标签噪声的情况下纠正真实数据集中的正负类别不平衡问题,进一步利用候选合成分子与真实带标签药物分子作为反馈信号,微调性质预测模型与条件分子生成模型,并循环迭代直至满足停止条件,使得性质预测模型在迭代过程中增强对未知化学空间的表征能力,从而使其在面对训练集未见过的全新骨架或真实带标签药物分子数据集少场景时,仍能保持高精度的预测性能,满足药物研发中对候选分子高效、准确筛选的实际需求。
64、根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com