買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜魯東大學申請的專利一種基于局部圖特征與全局關(guān)系的分子性質(zhì)預測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119339827B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-23發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202411873944.X，技術(shù)領(lǐng)域涉及：G16C20/20；該發(fā)明授權(quán)一種基于局部圖特征與全局關(guān)系的分子性質(zhì)預測方法是由劉兆旗;周樹森;王慶軍;臧睦君;劉通;柳嬋娟設(shè)計研發(fā)完成，并于2024-12-19向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于局部圖特征與全局關(guān)系的分子性質(zhì)預測方法在說明書摘要公布了：本發(fā)明屬于生物信息學領(lǐng)域，涉及一種基于局部圖特征與全局關(guān)系的分子性質(zhì)預測方法，其中包括深度學習、對比學習、圖神經(jīng)網(wǎng)絡(luò)等技術(shù)。首先，進行數(shù)據(jù)處理，準備輸入數(shù)據(jù)，并構(gòu)建分子圖的初始表示。其次，通過局部拓撲結(jié)構(gòu)特征網(wǎng)絡(luò)提取分子圖的局部特征，聚焦于分子中原子及其鄰接關(guān)系的局部信息。然后，利用全局注意網(wǎng)絡(luò)對分子圖進行全局特征提取，捕捉分子間的全局依賴關(guān)系和長程交互。最后，通過特征融合將局部特征和全局特征結(jié)合，并進行最終的預測。該方法通過雙分支網(wǎng)絡(luò)架構(gòu)，既能夠關(guān)注分子內(nèi)部局部結(jié)構(gòu)的細節(jié)，又能夠捕捉分子間的全局相互關(guān)系，從而為分子屬性的預測提供了更加全面和精準的特征表示。

本發(fā)明授權(quán)一種基于局部圖特征與全局關(guān)系的分子性質(zhì)預測方法在權(quán)利要求書中公布了：1.一種基于局部圖特征與全局關(guān)系的分子性質(zhì)預測方法，包括四個步驟，具體步驟如下：步驟1、首先，使用Chem.MolFromSmiles函數(shù)將SMILES字符串轉(zhuǎn)化為分子對象，調(diào)用atom_features函數(shù)提取原子特征，并通過獨熱編碼進行數(shù)值化；然后，通過全連接層對邊特征進行嵌入，得到高維特征表示，并調(diào)整維度以適配圖神經(jīng)網(wǎng)絡(luò)的輸入要求；接著，提取每條化學鍵的特征，并通過get_edge_features函數(shù)獲取邊類型，進行獨熱編碼，最終結(jié)合節(jié)點和邊特征提供高質(zhì)量的圖結(jié)構(gòu)輸入數(shù)據(jù)；步驟2、基于步驟1生成的分子圖，使用圖同構(gòu)網(wǎng)絡(luò)進行特征提取，并通過注意力機制捕捉遠距離節(jié)點間的關(guān)系；圖同構(gòu)網(wǎng)絡(luò)簡稱為GIN；數(shù)據(jù)通過三層GIN網(wǎng)絡(luò)逐層提取局部圖特征，每層輸入特征維度與邊特征維度相匹配；第一層將節(jié)點特征從93維映射到512維，第二層擴展到1024維，第三層回縮至512維；每層使用ELU激活函數(shù)，并通過邊特征增強節(jié)點交互；引入多頭注意力機制捕捉長距離節(jié)點關(guān)系，最后通過全局平均池化聚合節(jié)點特征為512維圖級特征；步驟3、基于步驟1生成的分子圖數(shù)據(jù)，使用圖注意力網(wǎng)絡(luò)進行特征提取，并捕捉全局關(guān)系；圖注意力網(wǎng)絡(luò)簡稱為GAT；首先，對數(shù)據(jù)進行歸一化處理，再通過兩個全連接層對邊特征和節(jié)點特征進行對齊；數(shù)據(jù)經(jīng)過兩層GAT網(wǎng)絡(luò)，第一層將節(jié)點特征從93維映射至512維，使用10個注意力頭，ELU激活函數(shù)和Dropout防止過擬合；第二層將節(jié)點特征從512×10映射回512維，再次使用ELU和Dropout；最后，通過多頭注意力機制捕捉全局節(jié)點關(guān)系，并通過全局池化層聚合為圖級特征；步驟4、利用GIN和GAT提取局部和全局特征，生成節(jié)點級或圖級表示，維度為512；然后，通過加權(quán)機制將圖神經(jīng)網(wǎng)絡(luò)提取的圖特征與分子指紋特征融合，確保兩種特征互補；加權(quán)系數(shù)在訓練過程中進行優(yōu)化，并能夠動態(tài)調(diào)整；引入注意力機制，根據(jù)每個特征對最終預測的貢獻度動態(tài)調(diào)整圖特征與指紋特征的融合比例；最后，將融合后的特征向量輸入至三個全連接層，經(jīng)過線性變換、ReLU激活和Dropout處理，最終輸出分子性質(zhì)預測值。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人魯東大學，其通訊地址為：264025 山東省煙臺市芝罘區(qū)紅旗中路186號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。