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

龍圖騰網(wǎng)獲悉湖南大學(xué)申請(qǐng)的專利一種基于圖屬性神經(jīng)網(wǎng)絡(luò)的藥物與靶標(biāo)預(yù)測(cè)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115440297B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-29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(qǐng)?zhí)?專利號(hào)為：202211080659.3，技術(shù)領(lǐng)域涉及：G16B15/30；該發(fā)明授權(quán)一種基于圖屬性神經(jīng)網(wǎng)絡(luò)的藥物與靶標(biāo)預(yù)測(cè)方法是由彭紹亮;肖霞;王小奇;楊亞寧設(shè)計(jì)研發(fā)完成，并于2022-09-05向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于圖屬性神經(jīng)網(wǎng)絡(luò)的藥物與靶標(biāo)預(yù)測(cè)方法在說(shuō)明書摘要公布了：本發(fā)明公開了一種基于圖屬性神經(jīng)網(wǎng)絡(luò)的藥物與靶標(biāo)預(yù)測(cè)方法，包括：S1、構(gòu)建多源異構(gòu)生物網(wǎng)絡(luò)并對(duì)藥物、蛋白質(zhì)以及疾病進(jìn)行唯一標(biāo)識(shí)；S2、基于人類蛋白與蛋白相互作用網(wǎng)絡(luò)的疾病模塊理論計(jì)算任意兩個(gè)疾病之間相似性；S3、將每個(gè)生物實(shí)體對(duì)和對(duì)應(yīng)的相似性值作為圖注意力神經(jīng)網(wǎng)絡(luò)表征學(xué)習(xí)階段的訓(xùn)練樣本；S4、訓(xùn)練樣本通過(guò)驅(qū)動(dòng)圖注意力神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)得到每個(gè)實(shí)體的表征向量；S5、利用訓(xùn)練好的藥物與靶標(biāo)預(yù)測(cè)模型進(jìn)行預(yù)測(cè)藥物與靶標(biāo)相互作用。本發(fā)明降低了藥物與靶標(biāo)相互作用預(yù)測(cè)的深度學(xué)習(xí)模型對(duì)訓(xùn)練樣本的依賴性，提高了預(yù)測(cè)的性能。

本發(fā)明授權(quán)一種基于圖屬性神經(jīng)網(wǎng)絡(luò)的藥物與靶標(biāo)預(yù)測(cè)方法在權(quán)利要求書中公布了：1.一種基于圖屬性神經(jīng)網(wǎng)絡(luò)的藥物與靶標(biāo)預(yù)測(cè)方法，其特征在于，包括以下步驟： S1、獲取藥物與靶標(biāo)相互作用網(wǎng)絡(luò)、人類蛋白質(zhì)與蛋白質(zhì)相互作用網(wǎng)絡(luò)、藥物與疾病關(guān)聯(lián)網(wǎng)絡(luò)、疾病與蛋白質(zhì)關(guān)聯(lián)網(wǎng)絡(luò)，將其組合成一個(gè)多源異構(gòu)生物網(wǎng)絡(luò)并對(duì)藥物、蛋白質(zhì)以及疾病進(jìn)行唯一標(biāo)識(shí)； S2、采用SMILES序列計(jì)算藥物之間的Jaccard系數(shù)作為相似性，利用氨基酸序列計(jì)算蛋白質(zhì)之間的Smith-Waterman相似值，根據(jù)基于人類蛋白與蛋白相互作用網(wǎng)絡(luò)的疾病模塊理論計(jì)算任意兩個(gè)疾病之間相似性； S3、從步驟S1中的多源異構(gòu)生物網(wǎng)絡(luò)中隨機(jī)選擇一定數(shù)量的藥物與藥物，蛋白與蛋白和疾病與疾病實(shí)體對(duì)，并根據(jù)步驟S2中獲得每對(duì)藥物與藥物、蛋白與蛋白和疾病與疾病之間的相似性值，將每個(gè)生物實(shí)體對(duì)和對(duì)應(yīng)的相似性值作為圖注意力神經(jīng)網(wǎng)絡(luò)表征學(xué)習(xí)階段的訓(xùn)練樣本； S4、將步驟S3中的訓(xùn)練樣本通過(guò)驅(qū)動(dòng)圖注意力神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)得到每個(gè)實(shí)體的表征向量； S5、在藥物與靶標(biāo)相互作用網(wǎng)絡(luò)設(shè)定正樣本和負(fù)樣本，并將所述正樣本和負(fù)樣本混合后按照設(shè)定比率劃分為訓(xùn)練集和測(cè)試集，將訓(xùn)練集中的藥物與靶標(biāo)對(duì)應(yīng)的步驟S4中的表征向量相互拼接，輸入到一深度神經(jīng)網(wǎng)絡(luò)中進(jìn)行前向傳播和反向傳播進(jìn)行迭代訓(xùn)練，獲得藥物與靶標(biāo)預(yù)測(cè)模型，再利用訓(xùn)練好的藥物與靶標(biāo)預(yù)測(cè)模型進(jìn)行預(yù)測(cè)藥物與靶標(biāo)相互作用； 所述步驟S4具體包括以下步驟： S40、圖注意神經(jīng)網(wǎng)絡(luò)中通過(guò)spg1z,g的計(jì)算公式來(lái)捕獲節(jié)點(diǎn)i和j之間的注意力系數(shù)； S41、根據(jù)以下公式學(xué)習(xí)得到多個(gè)獨(dú)立的注意力系數(shù) 式中，.T表示轉(zhuǎn)置操作，||表示拼接操作，是個(gè)超參數(shù)，W代表一個(gè)可學(xué)習(xí)的參數(shù)矩陣，和代表節(jié)點(diǎn)i和j的輸入特征，Ni是節(jié)點(diǎn)i的所有鄰居，LeakyReLU·代表非線性激活函數(shù)； S42、根據(jù)每個(gè)注意力系數(shù)進(jìn)行鄰居之間的特征聚合，根據(jù)以下公式將多頭注意的表征進(jìn)行拼接獲得表征向量； 式中，δ是代表非線性激活ReLU函數(shù)。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人湖南大學(xué)，其通訊地址為：410012 湖南省長(zhǎng)沙市岳麓區(qū)麓山南路1號(hào)；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)”。