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！

龙图腾网获悉电子科技大学长三角研究院(衢州)申请的专利一种预测药物靶标关联关系的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：CN119028427B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202410914418.7，技术领域涉及：G16B15/30；该发明授权一种预测药物靶标关联关系的方法是由邹权;田侦;余跃;丁漪杰;刘利设计研发完成，并于2024-07-09向国家知识产权局提交的专利申请。

本一种预测药物靶标关联关系的方法在说明书摘要公布了：本发明涉及一种预测药物靶标关联关系的方法。它解决了现有技术中药物靶标关联预测方法预测准确度不佳的问题。它包括S1、收集并下载药物和蛋白质结构数据以及关联的交互网络；S2、药物和蛋白质结构数据处理，转换交互网络；S3、从结构数据提取并学习药物结构特征和蛋白质的结构特征；S4、设计协同对比学习策略，计算对比学习损失；S5、设计自适应自步采样策略，获得高可靠度的对比学习样本对；S6、获取药物和蛋白质的最终特征表示，利用MLP预测潜在的药物‑靶标蛋白质的交互关系。本发明的优点在于：能够更充分地利用多种交互网络之间的互补性知识，从每个交互网络中学习到一致性更高的特征表示，进而提高药物‑靶标关联关系的预测准确度。

本发明授权一种预测药物靶标关联关系的方法在权利要求书中公布了：1.一种预测药物靶标关联关系的方法，其特征在于，本方法包括以下步骤： S1、收集并下载药物和蛋白质结构数据以及关联的交互网络； S2、药物和蛋白质结构数据处理，转换交互网络； S3、从结构数据提取并学习药物结构特征和蛋白质的结构特征； S4、设计协同对比学习策略，计算对比学习损失； S5、设计自适应自步采样策略，获得高可靠度的对比学习样本对； S6、获取药物和蛋白质的最终特征表示，利用MLP预测潜在的药物-蛋白质的交互关系； 步骤S4具体包括以下步骤： S41、融合每个相似度网络学习到的特征表示； S42、获取药物和蛋白质的综合表示； S43、将每一个网络学习到的特征与综合特征进行对比； S44、计算对比学习损失； 在步骤S41中，以药物为例，对于每个相似度网络，记为Sm,m＝1,2,3,4，先计算该相似度网络下邻居的权重，然后依权重聚合邻居节点的特征，即： 其中，表示第l层隐藏层输出的特征表示，表示第l层的权重矩阵； 其中，是基于药物di和dj的第l层特征计算得到的注意力分数，Ni表示药物di的邻居集合，是药物di与其邻居dj之间的归一化注意力分数； 其中，和为第l层可学习参数，为第l层可学习权重向量，为第m个相似度网络中药物di和药物dj的相似度值； 然后将最后一层的输出作为在该相似度网络下学习得到的最终特征表示，记为L是层数，Sm表示该特征是从m个相似度网络中学习获取的，采用同样的策略，从每个蛋白质相似网络中得到蛋白质特征 在步骤S42中，以药物为例，首先融合每个相似度网络学习到的特征，得到综合特征表示，具体操作为： 其中：∏表示拼接操作； Conv是一个一维卷积操作； 是融合所有相似度网络得到的药物综合表示； 使用同样的方法获取蛋白质的综合特征 在步骤S43中，将每个网络学习到的特征表示与综合特征进行对比，利用对比学习损失缩小每个网络学习到的特征与综合特征之间的距离；对于任意一个网络中学习到的特征表示其与综合特征的对比学习损失具体定义如下： 其中，nd为药物数量； 和分别为第m个药物相似网络中药物di的正样本集合和负样本集合； 是从第m个药物相似度网络学习到的药物di的特征； 是药物di的融合特征； simg是余弦相似度算法； τ是温度参数； 使用同样的方法获取每个蛋白质相似度网络学习到的特征与融合特征之间的对比损失最后在步骤S44中将药物和蛋白质的每个相似度网络与融合特征的对比损失相加，得到整体对比损失Lc； 在步骤S5具体包括以下步骤： S51、定义两个得分函数分别从不同的角度衡量负样本的可靠性： 其中，表示第m个相似度网络的负样本可信度；表示根据综合表示计算得到的负样本可信度； simpi,pj表示余弦相似度算法； S52、定义自步函数，决定在每次迭代学习过程中选择的负样本的数量，自步函数为： 其中，T是最大训练轮次； t是当前训练轮次； β是控制应选负样本数量占候选负样本数量比率的超参数； np是蛋白质的数量； 表示向下取整操作； numt表示在当前训练轮次中应该选择的负样本数量； S53、将每个相似度网络的负样本按照可信度降序排列，并选择前numt个负样本用于当前训练轮次，记为Nns，同时，将所有负样本按照融合特征计算得到的可信度降序排列，再次选择前numt个作为当前轮次的负样本，记为Nfs，再将两个集合的并集作为最终的负样本集合Nm＝NnsUNfs。

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电子科技大学长三角研究院(衢州)，其通讯地址为：324003 浙江省衢州市柯城区成电路1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。