【源码】基于图神经网络的HIV分子活性预测系统

项目简介

本项目利用图神经网络（Graph Neural Networks, GNNs），通过监督学习的方式对分子数据进行训练，实现对小分子结构是否对HIV病毒有效的分类预测。

项目的主要特性和功能

1. 数据集处理：采用HIV数据集，含40,000多个化合物活性标签，分为活性（CA和CM）和非活性（CI）两类。
2. 数据平衡：运用上采样技术处理数据不平衡问题，保证活性与非活性分子比例合理。
3. 模型构建：使用基于注意力机制的图卷积层、Topk池化层和全局池化层，结合三层全连接层进行特征提取和预测。
4. 超参数优化：采用贝叶斯优化策略（Mango）选择超参数，提升模型性能。
5. 评估指标：使用Accuracy、Precision、Recall和F1 - score等指标评估模型性能。

安装使用步骤

环境准备

• 安装RDKit：按照RDKit安装指南进行安装。
• 安装PyTorch Geometric：按照PyTorch Geometric安装指南进行安装，确保CUDA版本和PyTorch版本兼容。

数据准备

下载HIV数据集，确保数据集包含SMILES表示和活性标签。

模型训练

在IDE中执行train.py脚本，或通过终端运行命令python train.py。

模型评估

训练完成后，使用train.py中的验证和测试部分评估模型性能。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】