摘要

准确预测分子性质对于新化合物的设计至关重要，是药物发现过程中的关键步骤。本文基于图卷积神经网络，利用分子图数据进行性质预测。此外，提出了一种卷积空间图嵌入层（Convolutional Spatial Graph Embedding Layer, C-SGEL），以保留分子结构中的空间连接信息。通过堆叠多个C-SGEL，构建了卷积空间图嵌入网络（Convolutional Spatial Graph Embedding Network, C-SGEN），实现端到端的表示学习。为进一步提升模型的鲁棒性，将分子指纹与C-SGEN相结合，构建了复合预测模型以实现分子性质的精准预测。对比实验结果表明，所提出的方法具有较高的预测精度，并在多个公开基准数据集上取得了最优性能。