基于Bi-GRU和GAT网络的分子毒性预测模型

摘要

为提高分子毒性预测的准确性与模型的可解释性，提出一种基于双向门控循环单元(Bi-GRU)和图注意力(GAT)网络的具有多模态特征的分子毒性预测模型.该模型融合来自不同来源的分子特征，包括分子指纹、分子图结构和分子官能团特征，通过多模态学习有效全面地捕捉分子的复杂信息.模型使用Bi-GRU从分子指纹序列中提取序列特征，同时利用GAT网络从分子图中提取结构特征，并通过多任务学习架构处理多个毒性标签任务.实验结果表明，该模型在Tox21数据集上的表现优于其他基线模型，精确率-召回率曲线下面积为0.473 8、受试者操作特征曲线下面积为0.841 2.

关键词

分子毒性 / 毒性官能团 / 图注意力网络 / 双向门控循环单元

基金资助

福建省促进海洋与渔业高质量发展专项资金资助项目(FJHYF-ZH-2023-09); 泉州市科技计划项目(2023GZ6)