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！

龍圖騰網獲悉東北林業大學申請的專利基于知識提示的多模態藥物分子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：CN119763718B 。

龍圖騰網通過國家知識產權局官網在2025-09-09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：202411891443.4，技術領域涉及：G16C20/50；該發明授權基于知識提示的多模態藥物分子預測方法是由李洋;劉暢;汪國華設計研發完成，并于2024-12-20向國家知識產權局提交的專利申請。

本基于知識提示的多模態藥物分子預測方法在說明書摘要公布了：基于知識提示的多模態藥物分子預測方法，本發明屬于人工智能輔助藥物研發領域，具體涉及多模態藥物分子預測方法。本發明的目的是為了解決現有的多模態分子預測方法往往難以捕捉分子圖結構和文本之間的復雜關系，且在下游任務上的預測準確率低的問題。基于知識提示的多模態藥物分子預測方法具體過程為：構建MolPrompt模型；對MolPrompt模型進行預訓練，獲得預訓練好的MolPrompt模型；基于下游任務類型，對預訓練好的MolPrompt模型進行微調，獲得微調后的MolPrompt模型；基于微調后的MolPrompt模型對下游任務進行預測。

本發明授權基于知識提示的多模態藥物分子預測方法在權利要求書中公布了：1.基于知識提示的多模態藥物分子預測方法，其特征在于：所述方法具體過程為： 步驟一：構建MolPrompt模型； 步驟二：對MolPrompt模型進行預訓練，獲得預訓練好的MolPrompt模型； 步驟三：基于下游任務類型，對預訓練好的MolPrompt模型進行微調，獲得微調后的MolPrompt模型； 步驟四：基于微調后的MolPrompt模型對下游任務進行預測； 所述步驟一中構建MolPrompt模型；具體過程為： 步驟一一：構建知識提示；具體過程為： 步驟一一一：使用RDkit工具從分子圖中提取數值類型的209個分子描述符，從數值類型的209個分子描述符中選擇10個數值類型的分子描述符作為分子的外部化學和物理性質先驗知識； 將提取的10個數值類型的分子描述符統一設置為格式Descriptor1:Value1,Descriptor2:Value2,Descriptor3:Value3,Descriptor4:Value4,Descriptor5:Value5,Descriptor6:Value6,Descripto7:Value7,Descriptor8:Value8,Descripto9:Value9,Descripto10:Value10； 統一格式后的10個數值類型的分子描述符為文本類型的知識提示； 步驟一一二： 將統一格式后的10個數值類型的分子描述符輸入到BERT的詞嵌入層，BERT的詞嵌入層輸出知識提示 其中，表示知識提示中第1個詞元特征嵌入，表示知識提示中第2個詞元特征嵌入，表示知識提示中第Np個詞元特征嵌入，Np表示文本的長度，dp表示BERT的詞嵌入層的維度； 步驟一二：基于知識提示，將分子圖輸入分子圖結構編碼器獲取分子圖特征表示：具體過程為： 步驟一二一：將分子圖輸入分子圖結構編碼器中的圖特征編碼層，分子圖結構編碼器中的圖特征編碼層輸出分子圖節點特征H0， 將分子圖節點特征H0中的最后一個原子特征替換為類標記hp， 其中，表示第1個原子特征嵌入，表示第2個原子特征嵌入，表示第n-1個原子特征嵌入，表示第n個原子特征嵌入，R表示實數，n表示分子圖中原子個數，dg表示分子圖結構編碼器的特征維度； 步驟一二二：將替換后的分子圖節點特征依次輸入分子圖結構編碼器中的第1層Graphormer層、第2層Graphormer層、第3層Graphormer層、第4層Graphormer層、第5層Graphormer層、第6層Graphormer層、第7層Graphormer層、第8層Graphormer層、第9層Graphormer層、第10層Graphormer層、第11層Graphormer層、第12層Graphormer層，第12層Graphormer層輸出分子圖特征表示H12； 步驟一三：將與步驟一二分子圖對應的分子描述文本輸入到文本編碼器獲取分子描述文本特征表示。

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東北林業大學，其通訊地址為：150040 黑龍江省哈爾濱市香坊區和興路26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”。