Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 湖南大学彭绍亮获国家专利权

湖南大学彭绍亮获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉湖南大学申请的专利一种基于多壳层和扩展连接性指纹的药靶亲和力预测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116206678B

龙图腾网通过国家知识产权局官网在2025-07-18发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310223854.5,技术领域涉及:G16B15/30;该发明授权一种基于多壳层和扩展连接性指纹的药靶亲和力预测方法是由彭绍亮;潘亮;王小奇设计研发完成,并于2023-03-09向国家知识产权局提交的专利申请。

一种基于多壳层和扩展连接性指纹的药靶亲和力预测方法在说明书摘要公布了:本发明公开了一种基于多壳层和扩展连接性指纹的药靶亲和力预测方法,使用PDBbind数据库中的蛋白质‑配体复合物作为数据集;对大分子蛋白质和小分子配体的结合口袋建模,从配体的几何中心向外构建N个壳层,根据蛋白质原子的空间坐标把蛋白质原子对应到各个壳层;通过原子符号、显式价、等特征把配体原子分为多种类别;把所有特异性原子对作为该壳层的特征,叠加多个壳层的特征得到复合物的特征向量;通过对复合物特征的3D切片,使用Transformer学习壳层原子对特征。本发明解决现有方法无法表征长程相互作用的问题;通过对复合物特征的3D切片,使得Transformer能够很好的学习到壳层原子对特征,进而改变了表征的性能。

本发明授权一种基于多壳层和扩展连接性指纹的药靶亲和力预测方法在权利要求书中公布了:1.一种基于多壳层和扩展连接性指纹的药靶亲和力预测方法,其特征在于,包括以下步骤: S1、初始化参数,包括设置壳层数量num_shells、切块大小patch_size、Transformer的多头注意力数量num_heads、最终特征向量维度projection_dim和Transformer的层数n; S2、对蛋白质-配体复合物进行壳层建模; S3、统计PDBbindv2019数据集中所有原子种类,得到蛋白质原子类型数量protein_atom_types和配体原子类型数量ligand_atom_types; S4、对于所有的壳层,计算位于该壳层的特异蛋白质原子-配体原子对的数目,得到复合物在单个壳层的扩展连接性原子对特征; S5、判断是否计算完所有壳层的扩展连接性原子对特征,如是则堆叠所有壳层的特征向量,得到整个复合物的特征向量,并转至步骤S6,否则转至步骤S4; S6、对复合物的特征向量进行切片,得到num_patch个切片,其中单个切片是一个长度为projection_dim的特征向量; S7、对各个切片进行位置编码,并将切片的位置信息通过嵌入层后和切片的特征向量求和,得到加入位置信息的切片特征向量; S8、将得到的切片作为序列输入n层相同的Transformer模型,学习到切片的表征向量,每层Transformer模型由多头注意力机制、层标准化和两层全连接网络组成; S9、判断是否达到最大迭代次数n,如是则将特征向量作为最终的表征输出,转至步骤S10,否则将特征向量作为切片序列,转至步骤S8; S10、将最终的表征向量进行层标准化、全局平均池化并输入最终的全连接层得到亲和力强度的预测值。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人湖南大学,其通讯地址为:410012 湖南省长沙市岳麓区麓山南路1号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。