本發(fā)明涉及一種基于圖卷積神經(jīng)網(wǎng)絡(luò)預(yù)測小分子化合物解離常數(shù)的方法，該方法不同于傳統(tǒng)的基于分子指紋的預(yù)測方法，通過圖卷積神經(jīng)網(wǎng)絡(luò)自動學(xué)習(xí)與解離常數(shù)有關(guān)的化學(xué)模式構(gòu)建預(yù)測模型。ChEMBL數(shù)據(jù)庫中160萬種化合物的解離常數(shù)用于訓(xùn)練模型。此外，為了快速確定每個化合物中的解離中心，本發(fā)明基于ChEMBL數(shù)據(jù)庫構(gòu)建了一個含144個SMARTS模板的子結(jié)構(gòu)數(shù)據(jù)庫。預(yù)測新的化合物時，首先使用SMARTS模板庫匹配化合物中的解離中心，然后依次預(yù)測每個解離中心的解離常數(shù)。利用本發(fā)明，可以快速準(zhǔn)確地預(yù)測化合物的解離常數(shù)，提高藥物設(shè)計和虛擬篩選的效率。