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！

龙图腾网获悉中国石油大学(华东)申请的专利基于矩阵补全和双策略图推理的药物-疾病关联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：CN119296637B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202411844496.0，技术领域涉及：G16B15/30；该发明授权基于矩阵补全和双策略图推理的药物-疾病关联预测方法是由王淑栋;刘体耀;王爽;吴文浩;张魁杰;赵志远;王璐琦设计研发完成，并于2024-12-16向国家知识产权局提交的专利申请。

本基于矩阵补全和双策略图推理的药物-疾病关联预测方法在说明书摘要公布了：本发明属于生物信息和计算机技术领域，特别涉及基于矩阵补全和双策略图推理的药物‑疾病关联预测方法。该方法首先计算药物和疾病的高斯核和拉普拉斯核相似度，然后使用非线性融合技术对其进行融合。该方法以药物‑疾病异构网络的邻接矩阵为目标矩阵，通过截断反正切秩最小化来增强药物‑疾病关联网络边缘的鲁棒性和可形成性。该方法主要关注药物和疾病的邻近节点，过滤掉更远节点的潜在噪声。此外，该方法基于药物‑疾病异构网络采用自上向下和自下向上的策略来预测药物‑疾病关联。双策略的协同作用可以增强对异构图中复杂结构和跨域关联的综合处理能力，保证网络中丰富的信息得到充分利用。

本发明授权基于矩阵补全和双策略图推理的药物-疾病关联预测方法在权利要求书中公布了：1.基于矩阵补全和双策略图推理的药物-疾病关联预测方法，其特征在于，包括以下步骤： S1、计算药物和疾病的高斯核和拉普拉斯核相似度，使用非线性融合技术对其进行融合得到集成的药物相似性和疾病相似性； S2、使用截断反正切秩最小化方法增强药物-疾病网络边缘的鲁棒性和结构完整性；步骤S2具体包括以下内容： S21、将药物-疾病关联网络与相似性网络整合，构建药物-疾病异构网络； S22、将该异构网络的邻接矩阵作为截断反正切秩最小化的目标矩阵； S23、然后利用交替方向乘子法求解相应的目标函数； S3、设计一个双策略邻域约束图推理完成预测； 步骤S3具体包括以下内容： S31、基于相邻节点计算药物和疾病的邻域相似度； S32、将已建立的药物和疾病邻域相似性网络和完善的药物-疾病关联网络集成为一个综合的异构网络； S33、使用自上向下和自下向上的方法在该网络上执行推理，有效地捕获关键关联； 步骤S21中，构建药物-疾病异构网络的方式如下： 整合相似矩阵和关联矩阵来构建一个富含生物信息的药物-疾病异构网络，该网络包括两种类型的节点：药物节点和疾病节点，让，代表m个药物节点，代表n个疾病节点，药物之间和疾病之间的相似度得分，分别用作药物和疾病相似度网络中的边缘权重，当数据集中存在药物-疾病关联时，在相应的药物和疾病节点之间建立一条边，以关联得分作为该边的权重，将分别定义为代表药物-药物、疾病-疾病和药物-疾病关系的边集，这些边上的权重用、和表示，分别对应药物-药物、疾病-疾病和药物-疾病网络，药物疾病异构网络可以表示成； 该异构网络的邻接矩阵的构造形式如下所示； ； 其中，RR表示集成的药物相似性矩阵，DD表示集成的疾病相似性矩阵，表示药物-疾病关联矩阵，表示药物疾病关联矩阵的转置； 步骤S22中，构建截断反正切秩最小化目标矩阵的方式如下： 矩阵补全的底层模型总结如下： ； 其中，表示秩函数，Ω表示L中元素的坐标索引集，运算符表示应用于Ω的正交投影算子； ； 最小化秩函数是一个NP-hard问题，基于核范数近似秩函数能够解决这一问题，公式如下： ； ，表示矩阵X的核范数； 使用反正切函数代替秩函数； ； 其中，为矩阵X的第i个奇异值，在[0,1]上是可微的、凹的、单调递增的、酉不变的； ； 其中，，和表示单位矩阵，表示矩阵X应用于Ω的投影矩阵，表示矩阵L应用于Ω的投影矩阵,表示截断性质，，表示矩阵A是正交矩阵，表示矩阵B是正交矩阵； ； 其中，若为平衡参数，且表示X中的所有元素都在[0,1]范围内； 步骤S23中，利用交替方向乘子法高效求解截断反正切秩最小化的方式如下： 在每次迭代中交替更新方向，具体如下： ； 增广拉格朗日形式可表示为： ； 其中，Z表示拉格朗日乘子，β表示惩罚参数，表示最小化的目标函数，表示截断性质，表示拉格朗日参数项，表示惩罚项，将所有矩阵初始化为L矩阵，在k次迭代期间，依次计算； 步骤S31中，计算药物和疾病的邻域相似度的方式如下： 假设疾病和药物之间的关联可能性应该与和相邻的关联评分紧密对应，对于一个给定的药物，选择最相似药物的基础上，综合药物相似，表示这个邻居集，定义邻域相似矩阵，其计算如下所示： ； 疾病的最近邻居构成邻居集，表示为，疾病邻域相似矩阵以类似的方式计算； ； 步骤S32和步骤S33中，基于异构网络进行双策略邻域约束图推理的方式如下： 自上向下图推理策略： ； 自下向上图推理策略： ； 其中，和分别表示自顶向下和自底向上图推理策略的预测结果，其中，和分别对应自顶向下和自底向上策略的权重，在开始推理过程之前，必须对邻域相似矩阵和进行归一化； ； ； 最终的预测评分矩阵： ； 和分别表示自顶向下和自底向上图推理策略的预测结果。

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中国石油大学(华东)，其通讯地址为：266400 山东省青岛市黄岛区长江西路66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”。

以上内容由龙图腾AI智能生成。