Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 江苏海洋大学张巧生获国家专利权

江苏海洋大学张巧生获国家专利权

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!

龙图腾网获悉江苏海洋大学申请的专利基于序列属性提取和图神经网络的药物靶点关联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:CN119694591B

龙图腾网通过国家知识产权局官网在2025-12-09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:202411772408.0,技术领域涉及:G16H70/40;该发明授权基于序列属性提取和图神经网络的药物靶点关联预测方法是由张巧生;孙振宇;仲兆满;韦亚龙;许俊杰;张恒设计研发完成,并于2024-12-04向国家知识产权局提交的专利申请。

基于序列属性提取和图神经网络的药物靶点关联预测方法在说明书摘要公布了:一种基于序列属性提取和图神经网络的药物靶点关联预测方法,涉及药物‑靶点预测领域。该方法采用预测模型SaeGraphDTI,整体架构包括序列属性提取器、图编码器以及图解码器;将药物及靶点的初始序列输入至序列属性提取器,将长度不一致的序列提取为长度一致、位置对齐的属性序列;随后将药物及靶点的特征序列输入至图编码器,节点信息进行对应的更新获取基于网络拓扑结构的特征表达;最终输入至图解码器,通过图解码器计算特定药物‑靶点边存在的概率做出预测。本发明结合了药物和靶点的序列属性及关联网络的拓扑属性,展现了其在复杂关系网络中进行特征提取和更新的有效性,在多数关键指标上取得了进步。

本发明授权基于序列属性提取和图神经网络的药物靶点关联预测方法在权利要求书中公布了:1.一种基于序列属性提取和图神经网络的药物靶点关联预测方法,其特征在于,该方法采用基于序列属性提取和图神经网络的DTI预测模型SaeGraphDTI,SaeGraphDTI的整体架构分为三个部分:序列属性提取器、图编码器以及图解码器; 首先,将药物及靶点的初始序列输入至序列属性提取器,通过应用序列属性提取器提取药物序列和靶点序列的相关属性;基于序列属性提取的药物及靶点特征获取方法,将长度不一致的序列提取为长度一致、位置对齐的属性序列; 随后,将药物及靶点的特征序列输入至图编码器,基于图编码器对节点信息进行对应的更新,以获取基于网络拓扑结构的特征表达;基于自适应连接的图神经网络,通过动态判断节点之间的连接性,对边进行合理取舍; 最终,将得到的节点特征及其位置关系输入至图解码器;通过图解码器计算特定药物‑靶点边存在的概率,以对DTI做出预测; 原始数据集以D‑T网络的形式表示,其中药物与靶点构成了所有节点,存在DTI的药物‑靶点组合构成了所有边;通过基于拓扑相似度的计算方法构建D‑D网络与T‑T网络,并将其与D‑T网络进行拼接,构建涵盖了所有药物及靶点的D‑D‑T‑T网络,网络的每个节点均通过跳转的方式连接至剩余节点,节点与节点之间的距离则表示为节点之间的跳转次数;基于此网络的图编码器模块使用图神经网络方法,对节点信息进行传播和更新,将拓扑信息添加至节点内部;图解码器接受经过编码器编码后的节点特征,并计算出特定节点之间存在边的概率,将较高概率的药物‑靶点组合视为正例; 基于拓扑相似度的近似网络构建方法如下: 将所有药物构成的集合表示为D={d1,d2,…,dm},所有的靶点构成的集合表示T={t1,t2,…,tn},所有的药物‑靶点相互作用组合构成的集合表示为E,其中m为所有药物的个数,n为所有靶点的个数; 将药物与靶点视为节点,将两者之间的相互作用关系视为边,那么这些点与边就构成了一个药物‑靶点相互作用网络,其对应的相互作用矩阵表示为A,表示如下: 将基于拓扑相似度的近似网络的所有药物‑靶点相互作用组合的集合定义为B,其元素数量少于全部相互作用组合A的数量; 将不同药物之间的近似矩阵定义为DS,DS计算方法如下: 其中,DR为皮尔逊相似度,DC为余弦相似度,计算如下: 在得到药物近似矩阵DS后,对于任意两个药物di和药物dj,如果DS[di,dj]α,则视为存在较高的相似性,即药物‑药物近似网络中节点di和节点dj之间存在边;同时,对于剩余未被连接的节点,为其选取前n个最大近似度节点作为其邻居节点并添加对应的边;最终,依据上述方法获得的网络即为D‑D网络; 将不同靶点之间的近似矩阵定义为TS,TS计算方法如下: 其中,TR为皮尔逊相似度,TC为余弦相似度,计算如下: 在得到靶点近似矩阵TS后,对于任意两个靶点ti和靶点tj,如果TS[ti,tj]β,则视为存在较高的相似性,即靶点‑靶点近似网络中节点ti和节点tj之间存在边;同时,对于剩余未被连接的节点,为其选取前m个最大近似度节点作为其邻居节点并添加对应的边;最终,依据上述方法获得的网络即为T‑T网络; 将D‑D网络、T‑T网络与现有D‑T网络进行拼接,便得到了D‑D‑T‑T网络。

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江苏海洋大学,其通讯地址为:222000 江苏省连云港市海州区苍梧路59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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。