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！

龙图腾网获悉厦门理工学院申请的专利基于多源特征融合与对比学习的药物组合风险预测方法、装置、设备和介质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：CN120260732B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510740403.8，技术领域涉及：G16C20/50；该发明授权基于多源特征融合与对比学习的药物组合风险预测方法、装置、设备和介质是由林开标;张振泽;陈少榕设计研发完成，并于2025-06-05向国家知识产权局提交的专利申请。

本基于多源特征融合与对比学习的药物组合风险预测方法、装置、设备和介质在说明书摘要公布了：基于多源特征融合与对比学习的药物组合风险预测方法、装置、设备和介质，涉及药物组合预测技术领域。药物组合风险预测方法包含：获取药物数据集。根据药物数据集，获取特征图。根据特征图，通过进行分子图结构的自适应特征提取，获取药物的分子图特征。定义分子图特征为结构特征。将分子图特征输入到多层级联的图卷积网络，提取药物网络中高阶拓扑特征，获取关系特征。根据药物数据集，计算相似性特征，并提取交互嵌入特征。根据结构特征和相似性特征，通过对比学习机制，挖掘出特征之间的潜在关联和差异，获取结构对比学习特征和相似性对比学习特征。对上述特征进行特征融合和特征对齐，获取融合特征。根据融合特征，预测药物组合风险。

本发明授权基于多源特征融合与对比学习的药物组合风险预测方法、装置、设备和介质在权利要求书中公布了：1.一种基于多源特征融合与对比学习的药物组合风险预测方法，其特征在于，包含： 获取药物数据集； 根据所述药物数据集，获取特征图； 根据所述特征图，通过基于三元消息传递机制的分子图神经网络进行分子图结构的自适应特征提取，获取药物的分子图特征；定义所述分子图特征为结构特征； 将TrimNet生成的分子图特征输入到多层级联的图卷积网络，提取药物网络中高阶拓扑特征，获取关系特征； 根据所述药物数据集，基于摩根分子指纹和Tanimoto系数计算相似性特征，并提取交互嵌入特征； 根据所述结构特征和所述相似性特征，通过对比学习机制，挖掘出特征之间的潜在关联和差异，获取结构对比学习特征和相似性对比学习特征； 对所述结构特征、所述关系特征、所述结构对比学习特征、所述相似性对比学习特征，以及所述交互嵌入特征进行特征融合和特征对齐，获取融合特征； 根据所述融合特征，使用分类模型判断药物组合风险等级，获取药物组合风险； 根据所述特征图，通过基于三元消息传递机制的分子图神经网络进行分子图结构的自适应特征提取，获取药物的分子图特征，具体包括： 基于三元消息传递机制的分子图神经网络在消息传递阶段执行以下步骤： 根据所述特征图，通过三元组注意力网络将节点对及其连接边投影至统一的特征空间，并通过非线性变换计算交互强度；；式中，为交互强度、表示LeakyReLU激活函数、U为可学习的权重向量、表示转置、和为不同的两个可训练参数矩阵、和分别表示时间步时节点和节点的隐藏状态、是节点和节点之间的边特征、表示向量拼接； 根据所述交互强度，通过归一化生成注意力分布；；式中，为注意力分布、为以自然常数e为底的指数函数、为节点的邻域集合、为节点和节点交互强度； 通过节点的隐藏状态和边的特征加权求和得到节点的聚合消息；；式中，表示节点的聚合消息、是注意力系数、和为不同的两个可训练的权重矩阵、为节点的隐藏状态、表示哈达玛积； 根据所述聚合消息，采用多头注意力机制并行生成多组消息并拼接，获取多维特征；；式中，为多维特征、表示向量拼接、是第个注意力头计算得到的注意力系数、为注意力头的数量、是输入线性变换的第一权重矩阵、是输入线性变换的第二权重矩阵； 使用门控循环单元作为节点更新函数，将先前提取的消息与当前集成特征融合，实现时序特征整合，并引入层归一化缓解梯度异常，通过次迭代逐步优化节点表示，输出高阶特征；；式中，为高阶特征、LN表示层归一化、GRU表示门控循环单元、为当前集成的特征； 基于三元消息传递机制的分子图神经网络在读出阶段执行以下步骤： 利用LSTM更新隐藏状态；；式中，为隐藏状态、表示LSTM网络、表示上一时间步的聚合特征； 根据所述隐藏状态，计算节点的注意力权重；；式中，为注意力权重、为softmax激活函数、为高阶特征； 根据所述注意力权重，聚合节点特征；；式中，为聚合后的节点特征、为节点的总数； 聚合节点特征后，通过次迭代，最终得到药物的分子图特征；；式中，为药物的分子图特征、为第次迭代的隐藏状态； 定义所述分子图特征为结构特征。

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厦门理工学院，其通讯地址为：361024 福建省厦门市集美区理工路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”。