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！

申请/专利权人：武汉智化科技有限公司

摘要：本发明提供不同色谱条件下的液相色谱保留时间预测方法，涉及色谱应用技术领域，包括：采集实验数据；根据化合物的SMLIES信息提取分子的结构信息，基于分子的结构信息构建分子图结构；获取化合物中分子的物化性质，对物化性质进行量化，得到物化性质描述向量；获取色谱柱数据，基于色谱柱数据得到色谱编码向量；构建图神经网络模型，包括图网络层、读出层和线性层；利用数据集对图神经网络模型进行迭代训练，得到训练后的图神经网络模型；获取待测化合物的SMLIES信息和色谱条件，将其输入训练后的图神经网络模型，输出得到保留时间预测结果。本发明基于分子指纹，分子描述符及色谱体系信息来预测液相色谱保留时间，以提高准确率。

主权项：1.不同色谱条件下的液相色谱保留时间预测方法，其特征在于，包括以下步骤：S1：采集实验数据并进行清洗，实验数据包括化合物的SMLIES信息、色谱条件以及相应的保留时间数值，其中，色谱条件包括色谱柱信息、流动相条件和流动相的运行时间；S2：根据化合物的SMLIES信息提取分子的结构信息，基于分子的结构信息构建分子图结构，分子图结构包括节点特征、边特征和邻接矩阵；S3：获取化合物中分子的物化性质，对物化性质进行量化，得到物化性质描述向量；S4：获取色谱柱数据，基于色谱柱数据建立色谱柱特征数据库，基于色谱柱特征数据库对化合物的色谱条件进行编码，得到色谱编码向量；S5：构建图神经网络模型，包括图网络层、读出层和线性层；S6：将分子图结构、物化性质描述向量、色谱编码向量和实验数据的保留时间数值整合为数据集，利用数据集对图神经网络模型进行迭代训练，直至损失函数收敛，得到训练后的图神经网络模型；S7：获取待测化合物的SMLIES信息和色谱条件，将其输入训练后的图神经网络模型，输出得到保留时间预测结果；步骤S2中，节点特征包括原子类型、芳香性、是否为杂原子、是否在环中、氢原子数量和自由基电子数；边特征包括键类型、是否共轭、是否在环上和是否为可旋转键；邻接矩阵根据化合物的分子化学键构建，其用于表示原子、化学键及其连接关系；步骤S6包括：S61：将数据集划分为训练集、验证集和测试集，其中，数据集中的每个训练数据均包含分子图结构、物化性质描述向量、色谱编码向量和保留时间数值；S62：利用训练集对图神经网络进行迭代训练，根据输出的预测保留时间与保留时间数据的差异计算损失函数的值，根据损失函数的值反馈调整图神经网络模型的参数，直至损失函数收敛至稳定值，得到初训练的图神经网络模型；S63：利用验证集对初训练的图神经网络模型进行验证，在验证集上对初训练的图神经网络模型进行超参数调优，得到验证后的图神经网络模型；S64：利用测试集对验证后的图神经网络模型进行模型评估，根据评估结果对验证后的图神经网络模型做微调，得到最终的训练后的图神经网络模型；利用数据集对图神经网络模型进行迭代训练中，单个训练数据对图神经网络模型的训练过程为：将分子图结构输入图网络层，根据邻接矩阵识别出分子图结构中的原子、化学键及其连接关系，将原子作为节点，对节点进行信息传递，更新节点信息，通过激活函数将更新后的节点信息进行聚合，输出得到节点信息数据；将节点信息数据、物化性质描述向量、色谱编码向量输入读出层进行合并和编码，输出得到编码数据；将编码数据输入线性层，通过映射函数将编码数据映射到低维空间，在低维空间中提取与保留时间相关的目标特征，并将目标特征投射到标量值，得到预测保留时间，其中，线性层为两层，在两层线性层之间设有线性整流函数；信息传递的公式表达如下： 式中，i表示目标节点，j表示源节点，Ni表示目标节点i在信息传递过程中接收到信息传递的所有源节点，t和t+1表示第t次传递和第t+1次传递，为目标节点i第t+1次更新后的节点信息，为目标节点i第t次更新后的节点信息，σ为sigmoid函数，代表源节点j的信息和源节点j与目标节点i之间的边信息的加和；通过激活函数将更新后的节点信息进行聚合的公式表达如下： 其中，ymolecule表示节点信息数据。

全文数据：

权利要求：

百度查询： 武汉智化科技有限公司 不同色谱条件下的液相色谱保留时间预测方法