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！

龍圖騰網獲悉華東師范大學申請的專利一種基于生物子結構預測藥物-靶標相互作用的深度學習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：CN115312125B 。

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：202210207457.4，技術領域涉及：G16B40/00；該發明授權一種基于生物子結構預測藥物-靶標相互作用的深度學習方法是由劉丹;錢瑩;竇亮設計研發完成，并于2022-03-03向國家知識產權局提交的專利申請。

本一種基于生物子結構預測藥物-靶標相互作用的深度學習方法在說明書摘要公布了：本發明提出一種基于生物子結構預測藥物?靶標相互作用的深度學習方法，該方法首先提取出藥物和靶標的功能性子結構，其中藥物子結構包括分子支鏈、常見子結構和逆合成片段，根據化學性質將靶標的氨基酸序列轉換為種類序列，再采用不重疊的k?gram進行切分，得到靶標子結構；然后基于卷積神經網絡進行子結構特征學習；實驗表明本發明可以有效捕獲藥物?靶標相互作用的功能性特征，在不同規模和分布的數據集上表現均優于現有技術，具有合理性和通用性。

本發明授權一種基于生物子結構預測藥物-靶標相互作用的深度學習方法在權利要求書中公布了：1.一種基于生物子結構預測藥物-靶標相互作用的深度學習方法，其特征在于，該方法步驟如下： 步驟a：輸入一個藥物的規范化SMILES序列D和靶標氨基酸序列T； 步驟b：分別對藥物的規范化SMILES序列D和靶標氨基酸序列T進行子結構提取，具體包括： 1對于藥物的規范化SMILES序列D，使用BCM方法提取藥物的子結構，包括： 1.1首先從藥物的規范化SMILES序列D提取出藥物的支鏈，根據SMILES的定義規則，即其支鏈使用“”括起來，提取出支鏈，剩余部分為主鏈； 1.2然后根據字符串匹配提取出主鏈中常見的子結構； 1.3最后再依據RECAP的逆合成碎片規則將主鏈進行裂解得到逆合成片段； 1.4整合所述的支鏈、常見的子結構和逆合成片段，作為規范化SMILES序列D的子結構集合FD； 2對于靶標氨基酸序列T使用CFM方法提取子結構，CFM方法首先將氨基酸按照化學結構或性質分為8類，通過種類特征映射得到種類序列TC；然后采用不重疊的k-gram序列將TC切割成靶標的功能子結構集合FT； 步驟c：構建協同特征學習模塊，該模塊由輸入表示和特征學習兩部分組成，具體包括： 1在輸入表示中，分別對藥物的規范化SMILES序列D的子結構集合FD和靶標的功能子結構集合FT進行初始編碼表示，包括： 1.1對藥物的規范化SMILES序列D的子結構集合FD的表示，首先采用標簽編碼對藥物子結構集合FD進行編碼，獲得藥物的初始表示ID；然后將ID轉化為藥物的嵌入表示ED∈Rmax _drug_frag_length*embed_size，其中max_drug_frag_length表示最大的藥物子結構集合的大小，embed_size表示嵌入維度； 1.2對靶標的功能子結構集合FT進行表示，先用標簽編碼對靶標子結構集合FT進行編碼，獲得靶標的初始表示IT；然后將IT轉化為其嵌入表示ET∈Rmax_target_frag_length*embed_size，其中max_target_frag_length表示最大的靶標子結構集合的大小，embed_size表示嵌入維度； 2在特征學習中，分為藥物的特征學習和靶標的特征學習，包括： 2.1在藥物特征學習中，將ED作為初始輸入，送入卷積神經網絡學習藥物特征，該卷積神經網絡由多個卷積塊和最終的池化層組成，每個卷積塊由卷積層、激活層指數線性單元以及批次歸一化層組成，最后采用池化層進行特征降維，得到最終的藥物表示VD； 2.2在靶標特征學習中，將ET作為初始輸入，送入卷積神經網絡對靶標特征進行學習，該卷積神經網絡由多個卷積塊和最終的池化層組成，每個卷積塊由卷積層、激活層指數線性單元以及批次歸一化層組成，最后接入池化層，得到最終的靶標表示VT； 步驟d：構建預測器，具體包括： 1首先拼接步驟c中最終的藥物表示VD和靶標表示VT，得到藥物-靶標的相互作用表示V； 2然后將V送入多層感知機進行相互作用學習，所述多層感知機是一個全連接網絡，由多個全連接層和最終的sigmoid激活層組成，除最后一層外，每層全連接后接入一個修正線性單元和丟棄層，防止過擬合；最終得到相互作用預測概率，大于0.5則表示預測兩者會發生相互作用，小于0.5則不會。

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華東師范大學，其通訊地址為：200241 上海市閔行區東川路500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”。