买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华东师范大学申请的专利基于图卷积神经网络预测小分子化合物溶剂化能的方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115938501B 。

龙图腾网通过国家知识产权局官网在2026-03-20发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211562456.8，技术领域涉及：G16C20/30；该发明授权基于图卷积神经网络预测小分子化合物溶剂化能的方法是由潘肖林;张跃庆;张增辉;季长鸽设计研发完成，并于2022-12-07向国家知识产权局提交的专利申请。

本基于图卷积神经网络预测小分子化合物溶剂化能的方法在说明书摘要公布了：本发明公开了一种基于图卷积神经网络预测小分子化合物溶剂化能的方法，该方法引入含有三维结构信息和二维拓扑信息的原子特征描述符，基于图卷积神经网络自动提取化合物中与溶剂化能相关的化学模式构建预测模型。此外，为了提高预测模型的鲁棒性，该方法不直接预测化合物的溶剂化能，而是预测化合物中每个原子的能量贡献。本发明使用量子化学方法计算的170万种化合物的溶剂化能数据和三维结构训练模型。该方法既保留了量子化学方法的计算精度和外推性能，又拥有机器学习方法的计算效率。应用本发明，可以快速准确地预测小分子化合物的溶剂化能，提高药物设计和虚拟筛选的效率。

本发明授权基于图卷积神经网络预测小分子化合物溶剂化能的方法在权利要求书中公布了：1.一种基于图卷积神经网络预测小分子化合物溶剂化能的方法，其特征在于，该方法包括以下具体步骤： 步骤1：从PubChem数据库中提取所有化合物结构，中和含盐的化合物，过滤含非C，H，O，N，S，P，F，Cl，Br，I元素的化合物； 步骤2：计算步骤1中化合物的形式电荷大小，根据带电状态将所有化合物分为中性化合物数据集和带电化合物数据集； 步骤3：使用RDKit为步骤2中中性化合物和带电化合物生成初始三维构象； 步骤4：使用量子化学方法优化步骤3中中性化合物和带电化合物的初始三维构象，得到优化后的精细三维构象； 步骤5：基于步骤4的精细三维构象，应用高精度的量子化学方法计算中性化合物和带电化合物在水溶液中的溶剂化能； 步骤6：基于步骤4中优化得到的精细三维构象，计算每个化合物的分子图，包括节点特征和边的特征，并记录其溶剂化能数据，构建溶剂化能预测模型的训练数据集； 步骤7：基于步骤6得到的训练数据集，使用图卷积神经网络分别训练中性分子和带电分子的溶剂化能预测模型； 步骤8：使用平均相对误差MAE、均方根误差RMSE和相关性系数R2指标评估模型的性能，利用所述指标从步骤7保存的模型中筛选性能最优的模型作为最终预测模型； 步骤9：应用溶剂化能模型预测化合物溶剂化能时，针对每个化合物，首先使用RDKit生成最多50个初始构象； 步骤10：然后使用ANI-2x模型优化RDKit生成的初始构象，取ANI-2x优化后能量最低的构象作为最优三维构象，最优三维构象作为溶剂化能计算的输入； 步骤11：基于步骤10中得到的最优三维构象，使用步骤8中得到的模型预测化合物的溶剂化能；其中： 步骤7预测模型训练过程中，首先训练中性分子的溶剂化能模型，再基于中性分子溶剂化能模型，应用迁移学习，训练带电分子的溶剂化能模型； 步骤7所述的图卷积神经网络分为两个部分，分别为图卷积模块和信息读出模块，首先使用图卷积模块提取化合物的向量表示，然后使用信息读出模块拟合溶剂化能；神经网络使用以下公式更新节点的信息并拟合溶剂化能数据： ； ； ； 其中A为邻接矩阵，D为度矩阵，H为特征矩阵，W为参数矩阵，l为图卷积层数，ReLu为激活函数，MLP为多层感知机。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华东师范大学，其通讯地址为：200241 上海市闵行区东川路500号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。