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)恭喜華南理工大學申請的專利一種深度學習藥物相互作用預測方法、裝置、介質和設備獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN114530258B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-05-27發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202210105604.7，技術領域涉及：G16H70/40；該發(fā)明授權一種深度學習藥物相互作用預測方法、裝置、介質和設備是由張通;饒曉潔;孟獻兵;陳俊龍設計研發(fā)完成，并于2022-01-28向國家知識產(chǎn)權局提交的專利申請。

本一種深度學習藥物相互作用預測方法、裝置、介質和設備在說明書摘要公布了：本發(fā)明提供了一種深度學習藥物相互作用預測方法、裝置、介質和設備；其中方法為：獲取待預測的兩種藥物的藥物分子信息；原子級網(wǎng)絡對每個藥物分子信息進行編碼，捕獲原子和化學鍵之間的相互作用信息，并輸出編碼后的藥物分子圖表示z_atomj；分子級網(wǎng)絡利用多頭注意力機制分別從每個藥物分子圖表示z_atomj提取出不同藥物分子之間的關系，并輸出分子圖表示z_molj；將兩種藥物的輸出分子圖表示z_mol1和z_mol2轉換為一個向量，進而得到藥物相互作用預測結果。該方法可解決傳統(tǒng)框架中不能充分考慮邊信息的問題，可捕捉到不同藥物分子之間的關系信息，從而提高預測結果的準確度。

本發(fā)明授權一種深度學習藥物相互作用預測方法、裝置、介質和設備在權利要求書中公布了：1.一種深度學習藥物相互作用預測方法，其特征在于：包括如下步驟：獲取待預測的兩種藥物的藥物分子信息；將各個藥物分子信息分別輸入至原子級網(wǎng)絡中；原子級網(wǎng)絡對每個藥物分子信息進行編碼，捕獲原子和化學鍵之間的相互作用信息，并輸出編碼后的藥物分子圖表示z_atomj；j＝1,2；將各個藥物分子圖表示z_atomj分別輸入至分子級網(wǎng)絡中；分子級網(wǎng)絡利用多頭注意力機制分別從每個藥物分子圖表示z_atomj提取出不同藥物分子之間的關系，并輸出分子圖表示z_molj；將兩種藥物的輸出分子圖表示z_mol1和z_mol2轉換為一個向量I；對向量I進行處理，得到藥物相互作用預測結果；所述原子級網(wǎng)絡和分子級網(wǎng)絡分別是指經(jīng)過訓練的原子級網(wǎng)絡和分子級網(wǎng)絡；所述原子級網(wǎng)絡將每個藥物分子信息由SMILES序列轉為分子圖結構,以原子為節(jié)點、化學鍵為邊，提取出每個藥物分子中的節(jié)點信息、邊信息，以及拓撲連接矩陣，將節(jié)點信息、邊信息和拓撲連接矩陣輸入到Transformer編碼器中；Transformer編碼器采用節(jié)點信息和邊信息獲得交互分數(shù)矩陣M；Transformer編碼器輸出編碼后的藥物分子圖表示z_atomj；所述Transformer編碼器設有N個依次連接的消息更新塊；首先分別對節(jié)點信息和邊信息進行編碼，得到節(jié)點特征hX和邊特征hE；然后，消息更新塊根據(jù)節(jié)點特征hX計算出矩陣Q、V，根據(jù)邊特征hE計算出矩陣K： 其中，WQ、WV、WK分別為可學習的線性變換參數(shù)；進而求出交互分數(shù)矩陣M：M＝matmulQ,K.transpose-2,-1使用交互分數(shù)矩陣M分別與矩陣V、K進行點乘，以更新節(jié)點特征hX和邊特征hE； 之后，輸入下一個消息更新塊，再次進行節(jié)點特征hX和邊特征hE更新；如此循環(huán)，直至最后一個消息更新塊完成節(jié)點特征hX和邊特征hE更新；最終得到的節(jié)點特征hX通過層歸一化和平均池化，輸出藥物分子圖表示z_atomj；將兩種藥物的輸出分子圖表示z_mol1和z_mol2按元素乘積的操作，計算出向量I：I＝z_mol1⊙z_mol2對向量I使用全連接層和sigmoid激活函數(shù)進行處理，得到最終的鏈接預測結果p，根據(jù)鏈接預測結果p得到藥物相互作用預測結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人華南理工大學，其通訊地址為：510640 廣東省廣州市天河區(qū)五山路381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)”。