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

龍圖騰網獲悉電子科技大學申請的專利一種基于八叉樹的藥物分子屬性預測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN117219192B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202311113908.9，技術領域涉及：G16C20/50；該發明授權一種基于八叉樹的藥物分子屬性預測方法是由甘元帥;劉勇國;朱嘉靜;張云;李巧勤設計研發完成，并于2023-08-31向國家知識產權局提交的專利申請。

本一種基于八叉樹的藥物分子屬性預測方法在說明書摘要公布了：本發明屬于人工智能技術領域，具體涉及一種基于八叉樹的藥物分子屬性預測方法。該方法是利用藥物分子的三維構象比一維SMILES序列和二維的分子圖具有更加豐富的特征信息這一優勢，以一維SMILES序列為輸入，構建三維空間，獲得表示各原子位置坐標的點云數據。基于點云數據建立體素空間并將點云數據投影到體素空間，利用體素空間創建八叉樹，并使用八叉樹學習分子表示，在初始化原子嵌入時引入了各原子的基本特征，方法具有較強的可解釋性；結合同層級和跨層級學習可以捕獲原子級交互、子結構級短期和長期依賴關系，對學習更具代表性的藥物分子特征表示有積極作用。

本發明授權一種基于八叉樹的藥物分子屬性預測方法在權利要求書中公布了：1.一種基于八叉樹的藥物分子屬性預測方法，其特征在于，包括以下步驟： S1、基于藥物分子的SMILES式，生成點云數據；以獲得每個原子的三維坐標； S2、根據每個原子的三維坐標，對S1獲得的點云數據進行體素化處理，生成所需體素空間，并進行空間體素劃分； S3、將S2得到的體素空間置于一個能容納所有原子的正方體中，創建八叉樹表示藥物分子的三維結構，八叉樹的根節點是該正方體的中心，并與該正方體相對應； S4、采用基于八叉樹的分子表示學習算法，完成體素間學習及體素內聚合得到整個藥物分子的特征表示； S5、基于八叉樹的分子表示學習得到藥物分子的特征表示，輸入根據預測任務需求建立的多層感知機模型中，以完成對某一類別的藥物分子屬性的預測； S4.1、基于各原子的初始嵌入向量，更新八叉樹所有葉節點的初始嵌入； S4.2、體素間學習及體素內聚合，體素間學習及體素內聚合方法如下： S4.2.1、定義層級權重值，基于定義的層級權重值，根據具體深度自適應生成一組權重；即{m1,m2,…,mx}，且滿足如下條件： 其中，x為八叉樹的深度，m1到mx分別是第一層到第x層的層級權重值； S4.2.2、設當前計算節點位于第k+1層，且為第k層某節點下的第i個子節點，其中i滿足0i≤8；分別進行A、同層級角度學習和B、跨層級角度學習； A、所述同層級角度學習是指多個體素節點處于同一個父節點下的情況；其計算方法為： 設當前計算節點的嵌入為d為嵌入維度，與初始的原子嵌入相同，計算當前節點在同層節點中的注意力權重，如下式所示： 其中αi為同層級注意力權重，為可訓練的參數，mk+1為第k+1層的層級權重值，λ為用于平衡節點特征和層級貢獻的平衡超參數，j是遍歷同層級節點的臨時變量； B、所述跨層級角度學習是指多個體素節點的父節點間為兄弟關系的情況，其計算方法為： B-1、先計算第k層其他節點的平均嵌入，其他節點是指除當前計算節點的父節點外的其余節點，通過計算該節點體素空間內節點的嵌入之和的平均值，即可得到；具體如下式所示： B1-2、計算當前節點在跨層節點中的注意力權重，如下式所示： 其中βi為跨層級注意力權重，是可訓練的參數，γ是一個用于平衡節點特征和層級貢獻的平衡超參數； S4.2.3、采用子節點嵌入加權求和的方式作為聚合方式，權重為同層級和跨層級注意力權重之和；如第k層節點i的嵌入的信息聚合并更新的公式為： S4.2.4、自底向上完成八叉樹各節點的體素間學習和體素內聚合過程，直到更新到根節點的嵌入表示h0，從而獲得整個分子的特征表示。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人電子科技大學，其通訊地址為：611731 四川省成都市高新區（西區）西源大道2006號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。