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！

龙图腾网获悉深圳大学申请的专利基于双线性注意力网络的蛋白质与配体结合姿势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：CN117953961B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202410089225.2，技术领域涉及：G16B15/30；该发明授权基于双线性注意力网络的蛋白质与配体结合姿势预测方法是由欧阳乐;易毅强;万旭设计研发完成，并于2024-01-22向国家知识产权局提交的专利申请。

本基于双线性注意力网络的蛋白质与配体结合姿势预测方法在说明书摘要公布了：本发明提供一种基于双线性注意力网络的蛋白质与配体结合姿势预测方法，构建了一个能够捕获蛋白质与配体之间交互作用并且保持分子中物理化学约束的数学模型，通过使用双线性注意力网络来学习蛋白质和配体的深层交互作用，并通过三角约束模型将物理约束建模到模型中来辅助蛋白质与配体的特征学习，另外，由于交互信息中包含蛋白质和配体的信息，本发明使用门自注意力机制来从交互特征中学习单独的蛋白质和配体的信息，在蛋白质与配体对接姿势预测任务中取得了良好的性能，并提高了蛋白质与配体特征学习的可解释性；相比于现有的技术，本发明能够提升蛋白质与配体对接姿势预测的性能和鲁棒性，从而为药物开发提供建议与参考。

本发明授权基于双线性注意力网络的蛋白质与配体结合姿势预测方法在权利要求书中公布了：1.一种基于双线性注意力网络的蛋白质与配体结合姿势预测方法，其特征在于，包括以下步骤： S1：获取蛋白质初始信息和配体初始信息； 所述蛋白质初始信息包括：蛋白质的分子图和蛋白质的原子化学特征； 所述配体初始信息包括：配体的分子图和配体的原子化学特征； S2：分别对所述蛋白质初始信息和配体初始信息进行特征提取，对应获取蛋白质的原子嵌入和配体的原子嵌入，包括： 利用预先训练好的图向量网络GVP对蛋白质信息进行特征提取，获取蛋白质的原子嵌入，满足：，其中，为第j个蛋白质的原子嵌入，d为嵌入维度，q为蛋白质的原子数量； 利用预先训练好的图同构网络GIN对配体初始信息进行特征提取，获取配体的原子嵌入，满足：，其中，为第i个配体的原子嵌入，s为配体的原子数量； S3：将所述蛋白质的原子嵌入和配体的原子嵌入共同输入预先训练好的双线性注意力网络中，获取蛋白质与配体的深层交互特征； 将所述蛋白质的原子嵌入和配体的原子嵌入共同输入预先训练好的双线性注意力网络中，获取蛋白质与配体的深层交互特征，具体为： 其中，为第i个配体与第j个蛋白质的深层交互特征；为总权重参数，和分别为蛋白质和配体的权重参数，分别满足和；为哈达玛积；为激活函数； S4：对所述蛋白质与配体的深层交互特征添加三角物理约束，获取添加三角物理约束后的交互特征，包括： 获取蛋白质内部原子之间的距离，以及配体内部原子之间的距离，所述预先训练好的三角约束模型表示为： 其中，为三角物理约束；和分别为的第一和第二门线性变换；MLP为多层感知机；gate为门函数； 对所述蛋白质与配体的深层交互特征添加对应的三角物理约束，获取添加三角物理约束后的交互特征： 其中，gate为门函数； S5：将所述添加三角物理约束后的交互特征输入预先训练好的门自注意力网络中进行信息提取，获取蛋白质提取信息、配体提取信息，以及蛋白质与配体的交互提取信息； S6：重复若干次步骤S4~S5，将最后一次获取的蛋白质提取信息、配体提取信息、蛋白质与配体的交互提取信息，以及蛋白质的原子嵌入和配体的原子嵌入共同进行双线性信息融合，获取融合特征； S7：根据所述融合特征计算蛋白质与配体的距离矩阵，以及蛋白质与配体结合的置信度； S8：获取蛋白质表面若干个用于与配体结合的结合口袋，根据所述蛋白质与配体结合的置信度获取最优的结合口袋，并根据所述蛋白质与配体的距离矩阵获取蛋白质与配体的对接姿势，完成蛋白质与配体结合姿势的预测。

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深圳大学，其通讯地址为：518054 广东省深圳市南山区粤海街道南海大道3688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。