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！

龙图腾网获悉东北农业大学申请的专利一种基于RGDA-DDI的药物-药物相互作用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：CN116864031B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202310879163.0，技术领域涉及：G16C20/30；该发明授权一种基于RGDA-DDI的药物-药物相互作用预测方法是由周长建;宋佳;张鑫;向文胜设计研发完成，并于2023-07-18向国家知识产权局提交的专利申请。

本一种基于RGDA-DDI的药物-药物相互作用预测方法在说明书摘要公布了：本发明涉及人工智能与药物发现相关领域，具体来说，发明了一种基于RGDA‑DDI的药物‑药物相互作用DDI预测方法，用于解决现有DDI预测方法效果不理想的问题。该方法分为数据编码模块、特征融合模块和预测模块。其中数据编码模块由多个Residual‑GAT子模块组成，每个子模块都是由图注意力层，Normalize层和SAGPooling层构成，用于对输入的药物进行多尺度特征提取；特征融合模块是由两个双注意力机制dual‑attentionmechanism子模块组合而成，用于多尺度药物特征融合；最后将融合后的特征输入到预测模块进行预测。该方法克服了现有DDI预测方法中缺少对多尺度药物特征进行建模以及缺乏对潜在的药物对DDP特征挖掘的缺点。通过实验验证，该方法的预测性能优于近期公开的药物‑药物相互作用预测方法。

本发明授权一种基于RGDA-DDI的药物-药物相互作用预测方法在权利要求书中公布了：1.一种基于RGDA-DDI的药物-药物相互作用预测方法，其特征在于，包括以下步骤： S1：数据获取，从药物数据库中获取药物信息，其中包括药物化合物结构信息和经过验证的药物-药物相互作用对信息； S2：数据预处理，将药物信息和药物对信息转化为矩阵形式表示，经过验证的药物-药物相互作用信息标记为阳性样本，没有经过验证的药物-药物对标记为阴性样本，为便于模型计算，随机选取相同数量的阳性样本数量和阴性样本数量； S3：构建药物知识图谱其中D＝{d1,d2,…,dn}代表药物数据集合，药物di和dj之间的相互关系的集合，同时定义三元组di,rij,dj用来表示药物di和dj之间的相互关系类型，其中di,dj∈D， S4：构建基于RGDA-DDI的药物-药物相互作用预测模型，该模型包含数据编码模块、特征融合模块和预测模块，其中数据编码模块主要有若干个Residual-GAT子模块组成，每个Residual-GAT子模块都是由图注意力网络GAT，Normalize层和SAGPooling层构成，它们之间用两个局部残差连接和一个全局残差连接进行数据传输，SAGPooling由三个图神经网络GNN层、一个图Pooling层和一个Readout层组成，再经残差concatenation连接组合在一起； S5：采用分层N折交叉验证方法stratifiedN-foldcross-validation训练模型，N≥2，将数据按照相同的百分比随机不重合分成N份，使得每个类别的百分比在训练集和测试集中都是一样的，这保证了不会有某一个类别的数据在训练集集中而测试集中不存在的情况； S6：将训练数据中的药物和DDI数据分别输入到RGDA-DDI中进行模型训练，其中优化函数采用Adam函数，其初始学习率设定为0.0005；损失函数采用Binarycross-entropy函数用来评估预测结果和真实解决之间的差别，若药物之间存在多种DDI类型的情况，则采用Cross-entropy损失函数来评估预测结果和真实解决之间的差别，通过设定一定的迭代次数，直到模型不再收敛时停止训练并保存训练好的模型； S7：利用测试集对模型预测效果进行测试，如DDI预测结果不理想，则继续调整模型的超参数，重复步骤S6的训练过程，直至预测模块输出DDI测试结果满足精度要求时停止训练，获得训练好的DDI预测模型； S8：将任意符合格式要求的两种药物输入到训练好的DDI预测模型，经过计算后，便可以得到输入药物-药物相互作用的计算结果。

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东北农业大学，其通讯地址为：150030 黑龙江省哈尔滨市香坊区长江路600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。