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！

龙图腾网获悉广西科学院;中国矿业大学申请的专利一种药物相互作用的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：CN119964839B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202510045907.8，技术领域涉及：G16H70/40；该发明授权一种药物相互作用的预测方法是由王磊;魏雨设计研发完成，并于2025-01-13向国家知识产权局提交的专利申请。

本一种药物相互作用的预测方法在说明书摘要公布了：本发明提供了一种药物相互作用的预测方法，包括：获取待预测相互作用的一组药物实体；将待预测相互作用的一组药物实体输入到预测模型中，得到预测结果；其中构建预测模型包括：构建包含药物相关信息的多关系有向知识图谱；分别获取知识图谱中源节点、目标节点在每次消息传播过程中的表征；基于双聚合消息传递层，对在多关系有向知识图谱中获取药物节点的特征信息、药物节点的邻域集合的特征信息进行聚合，得到药物节点最终的节点特征；基于聚合后的节点特征重构关系矩阵；根据重构的关系矩阵进行药物之间相互作用的预测。本方法让药物节点特征更全面、能反映复杂关联，还借助消息传播更新节点特征，充分考虑多层次关系对药物相互作用的影响。

本发明授权一种药物相互作用的预测方法在权利要求书中公布了：1.一种药物相互作用的预测方法，其特征在于，包括： 获取待预测相互作用的一组药物实体； 将所述待预测相互作用的一组药物实体输入到预测模型中，得到预测结果； 其中构建所述预测模型的过程包括：构建包含药物相关信息的多关系有向知识图谱；分别获取所述多关系有向知识图谱中源节点、目标节点在每次消息传播过程中的表征；基于双聚合消息传递层，对在所述多关系有向知识图谱中获取药物节点的特征信息、所述药物节点的邻域集合的特征信息进行聚合，得到所述药物节点最终的节点特征；基于聚合后的节点特征重构关系矩阵，包括将所述源节点的嵌入向量、所述目标节点的嵌入向量、源节点与目标节点之间的关系矩阵分别传递不同层中来重构药物-靶标，药物-结构，药物-酶，药物-通路的关联性，计算公式如下：其中表示第l层药物-靶标的重构关系矩阵，表示第l-1层药物节点的嵌入特征，表示当前的可训练参数，初始化一个对角矩阵表示两个节点之间的关系矩阵，表示第l-1层靶标节点的嵌入特征；利用一对节点嵌入及节点的关系依次对药物-结构、药物-酶、药物-通路之间的关系进行重构，重构后的关系矩阵分别表示如下：其中分别表示第l层药物-结构、药物-酶，药物-通路的重构关系矩阵，分别表示第l-1层药物节点的嵌入特征，分别表示当前的可训练参数，分别初始化一个对角矩阵表示两个节点之间的关系矩阵，分别表示第l-1层结构节点，酶节点、通路节点的嵌入特征；根据重构的关系矩阵进行药物之间相互作用的预测； 至少包括以下方法获取所述邻域集合：获取所述药物节点的邻居节点及与所述邻居节点相邻的节点； 基于双聚合消息传递层，对在所述多关系有向知识图谱中获取所述药物节点的特征信息、所述药物节点的邻域集合的特征信息进行聚合，得到所述药物节点最终的节点特征的过程至少包括：获取所述药物节点的邻居节点到药物节点的消息；针对药物与不同类型实体之间的关系，设置对应的消息传播机制；基于所述消息传播机制消息在多关系有向知识图谱中沿着不同关系类型的边进行传播，使所述药物节点能够获取其邻居节点以及邻居节点的邻居节点的信息；每个节点经过l次消息传递后，节点的嵌入编码变为其l-hop邻域的所有特征；对药物实体的消息传播机制进行建模，每一层的消息聚合过程建模为： 其中，表示目标节点d在第l层经聚合后的特征向量，表示源节点v在l-1层的特征向量，表示目标节点d在l-1层的特征向量，和分别是第l-1层不同关系类型和自身关系的权重矩阵，σ是非线性激活函数，|Nv，r|表示与节点v的关系为r的邻居节点的集合； 在每次消息传递过程中，将从其他节点收集到的信息与药物节点自身的信息进行聚合；在经过多次消息传递后，得到不同关系类型对应的聚合结果，采用张量堆叠的方式将不同层次和类型的聚合结果进行二次组合，生成最终的节点特征。

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广西科学院;中国矿业大学，其通讯地址为：530007 广西壮族自治区南宁市大岭路98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。