Invention Grant
- Patent Title: 一种基于对抗攻击的药物分子重要节点预测方法
-
Application No.: CN202310015688.XApplication Date: 2023-01-06
-
Publication No.: CN116189809BPublication Date: 2024-01-09
- Inventor: 詹滢 , 王贝伦 , 马浩轩 , 胡丹婷
- Applicant: 东南大学
- Applicant Address: 江苏省南京市玄武区四牌楼2号
- Assignee: 东南大学
- Current Assignee: 东南大学
- Current Assignee Address: 江苏省南京市玄武区四牌楼2号
- Agency: 南京众联专利代理有限公司
- Agent 杜静静
- Main IPC: G16C20/50
- IPC: G16C20/50 ; G16C20/30 ; G16C20/70 ; G16C10/00 ; G06N3/045 ; G06N3/042 ; G06N3/094 ; G06F18/2415 ; G06F18/27
Abstract:
本发明公开了一种在抽象图拓扑结构中结合对抗性攻击分析图网络，从而能够预测药物分子的重要节点的模型构建方法，属于图神经网络和药物分子设计技术领域。该方法通过PCNC方法对分子表征向量进行特征变换，将分子表征向量与杂讯表征输入共享参数的图神经网络得到输出结果，以输出结果波动程度衡量函数VMF作为损失函数，结合对抗性攻击分析特定节点对抗杂讯表征的鲁棒性。该方法通过理论设计和实验验证，根据相关参数建立杂讯表征以输入目标模型，在对输出结果进行波动分析之后输出关键药物分子官能团预测结果，根据关键官能团分析药物分子属性，在药物分子设计的模型解释方面具(56)对比文件Hassan Ismail Fawaz 等.AdversarialAttacks on Deep Neural Networks for TimeSeries Classification《.2019 InternationalJoint Conference on Neural Networks(IJCNN)》.2019,全文.刘恒;吴德鑫;徐剑.基于生成式对抗网络的通用性对抗扰动生成方法.信息网络安全.2020,(第05期),全文.赵蔡斌;王占领;郭小华;李丽华.基于神经网络的大黄素类化合物抗癌活性模型.陕西理工学院学报(自然科学版).2007,(第04期),全文.
Public/Granted literature
- CN116189809A 一种基于对抗攻击的药物分子重要节点预测方法 Public/Granted day:2023-05-30
Information query
