面向先导化合物合成与筛选的三维分子结构仿真方法

本发明涉及的是一种计算机分子仿真领域的技术，具体是一种面向先导化合物合成与筛选的三维分子结构仿真方法。

背景技术：

1、目前已有的分子结构表征方案多为经典图方法，分子由于其结构原因，能够很自然地被建模为一个图。随着深度学习的发展，图神经网络的发展给予一个处理图数据的极佳工具。借由图神经网络，使得特征信息能够在图上传递，从而获取完整的图表征。具有相同数量种类原子的分子如具有不同的三维空间构型，则两者性质可能完全不同，因此复杂的信息量对现有的预测方法的信息编码计算量要求较大，无法满足当前工业需要。

技术实现思路

1、本发明针对现有图学习技术无法满足不同空间结构下分子性质不同的问题，以及现有的神经网络对于分子结构中坐标信息识别方面的不足，提出一种面向先导化合物合成与筛选的三维分子结构仿真方法，从三维坐标提取特征，基于量子参数电路的三维分子结构表征模型，面相药物设计过程中的先导化合物的筛选与合成。

2、本发明是通过以下技术方案实现的：

3、本发明涉及一种面向先导化合物合成与筛选的三维分子结构仿真方法，将分子的三维空间结构建模为三维图结构，选取三维图的中心原子节点及其邻居节点的编码输入含参数的量子参数电路中，基于量子机器学习技术从图结构中得到完整的分子表示；再将分子表示进行分子性质预测和/或解决三维分子几何生成问题，对药物生成中的先导化合物进行筛选和预合成，实现仿真。

4、本发明涉及一种实现上述方法的系统，包括：位于量子计算机端的量子比特编码单元、三维特征学习单元、原子表征提取单元以及位于经典计算机端的后处理单元，其中：量子比特编码单元根据原子的三维空间相对位置信息以及原子种类信息，进行角度编码，得到蕴含相应信息的量子比特；三维特征学习单元基于量子线路，对编码后的量子比特进行酉变换，在高维希尔伯特空间中获取相应原子的量子态表征；原子表征提取单元根据量子线路的运行得到的量子末态，进行泡利z测量，得到实数向量的原子表征；后处理单元根据仿真需求对原子表征进行分子性质预测和/或生成三维分子的几何结构，用于对药物生成中的先导化合物进行筛选和预合成。

5、技术效果

6、本发明通过量子图表征学习算法对空间坐标展现出更好地表征能力，相比现有技术仅用少量的量子比特就能逐步吃下整张图，从而避免过多量子比特数带来的影响。同时少量的量子比特数也使得量子计算模型中的参数量非常少，这样的学习模式相较于传统机器学习在训练中有很大的优势。

技术特征：

1.一种面向先导化合物合成与筛选的三维分子结构仿真方法，其特征在于，将分子的三维空间结构建模为三维图结构，选取三维图的中心原子节点及其邻居节点的编码输入含参数的量子参数电路中，基于量子机器学习技术从图结构中得到完整的分子表示；再将分子表示进行分子性质预测和/或解决三维分子几何生成问题，对药物生成中的先导化合物进行筛选和预合成，实现仿真。

2.根据权利要求1所述的面向先导化合物合成与筛选的三维分子结构仿真方法，其特征是，具体包括：

3.根据权利要求1或2所述的面向先导化合物合成与筛选的三维分子结构仿真方法，其特征是，所述的编码，具体包括：

4.根据权利要求3所述的面向先导化合物合成与筛选的三维分子结构仿真方法，其特征是，将d转化为d/dmax*2π，a转化为a/anum*2π，其中：dmax为整个数据集中每个原子最大的度，anum为整个数据集中原子的种类，a是一个1到anum的整数。

5.根据权利要求1或2所述的面向先导化合物合成与筛选的三维分子结构仿真方法，其特征是，所述的量子参数电路，通过以下方式构建得到：

6.根据权利要求1或2所述的面向先导化合物合成与筛选的三维分子结构仿真方法，其特征是，所述的学习是指：计算参数电路的每一层中的θz和θy的梯度，并且通过回传的方式在每一次迭代中优化整个参数电路；

7.根据权利要求1或2所述的面向先导化合物合成与筛选的三维分子结构仿真方法，其特征是，所述的完整的分子表示，通过对n量子比特的参数电路末端增加n组不同的pauli-z测量，从而在2n的希尔伯特空间中获取最终的分子表征，即针对n个可观测量获得一个n维的实数向量，将这个向量作为当前中心原子的特征；

8.根据权利要求1或2所述的面向先导化合物合成与筛选的三维分子结构仿真方法，其特征是，所述的分子性质预测是指：针对先导化合物性质预测，可以在现有结构表征算法后对接一个简单的多层感知机模型，从而对已经获取的分子表征进行回归，获取相应的性质预测值；

9.一种实现权利要求1-8中任一所述面向先导化合物合成与筛选的三维分子结构仿真方法的系统，其特征在于，包括：位于量子计算机端的量子比特编码单元、三维特征学习单元、原子表征提取单元以及位于经典计算机端的后处理单元，其中：量子比特编码单元根据原子的三维空间相对位置信息以及原子种类信息，进行角度编码，得到蕴含相应信息的量子比特；三维特征学习单元基于量子线路，对编码后的量子比特进行酉变换，在高维希尔伯特空间中获取相应原子的量子态表征；原子表征提取单元根据量子线路的运行得到的量子末态，进行泡利z测量，得到实数向量的原子表征；后处理单元根据仿真需求对原子表征进行分子性质预测和/或生成三维分子的几何结构，用于对药物生成中的先导化合物进行筛选和预合成。

技术总结
一种面向先导化合物合成与筛选的三维分子结构仿真方法，将分子的三维空间结构建模为三维图结构，选取三维图的中心原子节点及其邻居节点的编码输入含参数的量子参数电路中，基于量子机器学习技术从图结构中得到完整的分子表示；再将分子表示进行分子性质预测和/或解决三维分子几何生成问题，对药物生成中的先导化合物进行筛选和预合成，实现仿真。本发明能够带来参数化量子电路最主要的性能提升，即参数量的大幅度下降，借用指数级别的希尔伯特空间对编码的特征进行映射，使能够仅用很少的参数就完成学习的同时避免量子层析带来的巨大开销，高效获得实数域的分子表征。

技术研发人员：严格,严骏驰
受保护的技术使用者：上海交通大学
技术研发日：
技术公布日：2024/1/15