1.一种基于对比学习的自监督图神经网络预训练方法,其特征在于,包括以下步骤:
S1:对公开数据库的化合物分子进行预处理,筛选出有机分子;
S2:对筛选出的有机分子进行结构分解并提取,将所得的子结构作为标识符,并构建子结构的语料库;
S3:将分解后的子结构看作超级节点并构建相应的子图数据,该子图数据与原分子图数据构成正样本对,随机选出若干个子图数据与原分子图数据组成负样本对;
S4:构建基于注意力机制的图卷积神经网络、基于多层次的门控循环单元和用于全图特征的变换的多层感知机模块,组成自监督学习模型;在步骤S4中,基于注意力机制的图卷积神经网络包括依次连接的多个单层注意力图卷积模块,单层注意力图卷积模块网络包括消息传递子模块,信息聚合子模块以及更新子模块,所述消息传递子模块的输出端与所述信息聚合子模块的输入端电性连接,所述信息聚合子模块的输出端与所述更新子模块的输入端电性连接;
消息传递子模块根据输入的图数据的邻接矩阵,对任一中心节点,假设其有N个一阶邻居节点,对其N个一阶邻居节点的特征分别进行注意力权重计算,并对权重进行归一化操作;信息聚合子模块根据消息传递子模块得到的归一化注意力权重,对N个一阶邻居节点的特征按权重进行加权求和,得到新的特征向量,用于后续中心节点特征的更新;更新子模块根据新的特征向量以及当前中心节点特征向量进行相加操作,输出中心节点新的特征向量;
构建基于多层次的门控循环单元过程包括:原分子图数据以及子图数据输入基于注意力机制的多层图卷积神经网络,对每一层卷积层的输出,对每个图数据的所有节点进行特征求平均值的操作,得到图数据的全局嵌入表示;获取所有层块对应的图数据的全局嵌入表示并输入门控循环单元中,输出为多层次的图数据嵌入向量表示;
构建多层感知机模块用于全图特征的变换的过程包括:对所述的基于注意力机制的图卷积神经网络,其输出的多层次图数据的嵌入向量表示,输入至多层感知机模块并输出全图嵌入向量表示;
S5:将所有正负样本对数据输入自监督学习模型进行预训练并保存。
2.根据权利要求1所述的一种基于对比学习的自监督图神经网络预训练方法,其特征在于,在步骤S1中,对公开数据库的化合物分子进行预处理的过程包括:从公开化合物数据库zinc中下载若干化合物,首先对重元素进行去除,随后过滤单原子化合物和惰性气体,得到有效化合物分子。
3.根据权利要求2所述的一种基于对比学习的自监督图神经网络预训练方法,其特征在于,在所述步骤S2中,对有机分子进行结构分解并构建子结构的语料库的过程包括:对有效化合物分子依次进行SMILES到分子结构的转换、子结构分解和子结构反序列化操作;
根据哈希表的映射关系,将原分子的子结构利用Rdkit进行反序列化,即用子结构的SMILES字符串表示,该SMILES用于子结构语料库的构建并保存在本地文件中。
4.根据权利要求3所述的一种基于对比学习的自监督图神经网络预训练方法,其特征在于,SMILES到分子的转换操作通过Python工具库Rdkit转换并获取每个原分子对应的原子编号,环结构信息,官能团信息;
子结构分解操作通过对环结构信息、官能团信息对应的原子编号,使用哈希表记录,其余的普通原子编号也记录在哈希表中,每一个分子的哈希表的键为子图的新编号,从1开始记录,所对应的值为原分子的环结构所对应的原子编号,官能团对应的原子编号以及普通原子编号。
5.根据权利要求4所述的一种基于对比学习的自监督图神经网络预训练方法,其特征在于,在步骤S3中,根据原分子,读取对应保存子结构的哈希表,并根据哈希表进行子图数据的构建,将子结构看作超级节点,将上述原分子图数据以及子图数据作为正样本对,并随机从所有子图数据中抽取10个子图与该原分子图构成负样本对。
6.根据权利要求5所述的一种基于对比学习的自监督图神经网络预训练方法,其特征在于,子图数据的节点数量为哈希表的最大键值N,并用N×N的邻接矩阵表示该子图,子图的连接关系与原分子图中子结构的连接关系相同,0表示无边连接,1表示有边连接;根据原分子的原子数目R,用R×R的邻接矩阵表示,连接关系与分子的化学键连接关系相同,0表示无边连接,1表示有边连接;正负样本对的比例为1:10。
7.根据权利要求6所述的一种基于对比学习的自监督图神经网络预训练方法,其特征在于,原分子图数据的节点特征包括:原子类型,电荷数,自由基电子数,手性类型,杂化轨道类型,连接氢的数目,度,芳香性;除了电荷数和自由基的电子数被编码为整数以外,每一种特征是以独热编码表示;
经子结构分解的子图数据使用其每个节点对应的子结构SMILES字符串的嵌入向量作为节点的特征,所有分子的子结构SMILES所构成语料库,其对应的嵌入向量随模型一并训练。
8.根据权利要求7所述的一种基于对比学习的自监督图神经网络预训练方法,其特征在于,基于注意力机制的图卷积神经网络还包括残差模块,残差模块设置为连接在每层图注意力卷积模块的后面,具体为第一层级归一化层,第一激活层,第一图卷积层,残差层,重复以上层块并依次连接;
残差模块用于对经过多层图卷积神经网络处理后输出的图数据特征和输入的图数据特征相加,以输出特征图用于下一层卷积模块的输入。
9.权利要求8所述的一种基于对比学习的自监督图神经网络预训练方法,其特征在于,在步骤S4中,所述自监督学习模型采用反向传播算法进行训练,训练时的目标函数依据最大化互信息的定义,使用互信息的一个下界InfoNCE作为损失函数,分别估计正负样本对的嵌入向量的距离,其距离的计算依据向量的内积公式,通过最小化正样本对的距离,同时最大化负样本对的距离来优化模型的泛化性能。