本发明涉及计算机辅助药物研发技术领域,具体涉及一种用于药物虚拟筛选的分子三维相似度的打分方法,该方法包括步骤一、获取用于相似性比较的两分子的特征参数；步骤二、训练深度学习模型；以及步骤三、深度学习模型的外部验证。本发明通过训练深度神经网络,选取多维度相似性作为特征参数,经深度神经网络的变换,给出最终的综合打分即AUC值。该打分方法在药物筛选准确率上有显著的改进,能够尽可能多地将具有潜在生物活性的分子从含有大量分子的数据库中筛选出来,而不漏掉任何潜在活性分子,从而解决了假阳性或假阴性的问题,同时保持着筛选高通量的计算速度。故,本发明在药物虚拟筛选方面具有非常广阔的应用前景。

本申请提供了一种基于人工智能的化合物库构建方法、装置、电子设备及计算机可读存储介质；涉及人工智能技术；方法包括：获取针对靶蛋白的活性化合物；基于活性化合物的属性性质进行化合物生成处理,得到具有属性性质的第一候选化合物；将活性化合物与靶蛋白进行分子对接处理,得到活性化合物的多个分子构象分别对应的分子对接信息；基于多个分子构象分别对应的分子对接信息,对多个分子构象进行筛选处理,将筛选得到的分子构象作为活性化合物对应的第二候选化合物；基于第一候选化合物以及第二候选化合物,构建针对靶蛋白的化合物库。通过本申请,能够消除化合物库的隐藏偏差。