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！

龙图腾网获悉四川大学申请的专利一种基于机器学习的核苷衍生物成胶能力预测模型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：CN116741306B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202310947817.9，技术领域涉及：G16C20/30；该发明授权一种基于机器学习的核苷衍生物成胶能力预测模型是由赵行;徐浩;李炜琦;文莺惠;王开超;解亮设计研发完成，并于2023-07-28向国家知识产权局提交的专利申请。

本一种基于机器学习的核苷衍生物成胶能力预测模型在说明书摘要公布了：本发明提供了一种基于机器学习的核苷衍生物成胶能力预测模型，属于计算机预测系统领域。本发明基于特征选择、超参数优化和算法比较，成功建立了预测核苷衍生物水凝胶形成能力的最优的机器模型。该模型能有效预测核苷衍生物是否能具有成胶能力。并且本发明从模型中选择了12种可能性较大的核苷凝胶剂，并通过实验验证了它们的水凝胶形成能力，其中10种核苷衍生物能形成水凝胶，形成水凝胶的成功率为83.33％，表明本发明核苷衍生物成胶能力预测模型预测准确率高。本发明机器模型为预测具有水凝胶形成能力的核苷衍生物提供了一种工具。

本发明授权一种基于机器学习的核苷衍生物成胶能力预测模型在权利要求书中公布了：1.一种构建基于机器学习的核苷衍生物成胶能力预测模型的方法，其特征在于：包括以下步骤： 1特征提取：收集核苷衍生物，通过简化分子线性输入系统进行转换，选择核苷衍生物的8类分子描述符作为特征，8类分子描述符分别为二维矩阵描述符、边缘邻接指数、p_vsa类描述符、二维原子对、二维自相关、原子中心片段、功能基团计数和药物团描述符； 所述转换的过程包括：将所有核苷衍生物分子转换为标准简化分子线性输入系统，使用标准简化分子线性输入系统计算常用的分子描述符和4种分子指纹，得到初始特征矩阵，所述4种分子指纹为ECFP4指纹、ECFP6指纹、AtomPair指纹和TopologicalTorsion指纹； 所述特征的选择经过筛选，所述筛选的过程包括：秩和检验，皮尔逊相关系数，以及特征递归消除；首先，通过秩和检验筛选出144个在凝胶剂组和非凝胶剂组差异显著的描述符，所述凝胶剂组为能成胶的核苷衍生物，所述非凝胶剂组为不能成胶的核苷衍生物，接着，对144个描述符进行归一化处理，再用皮尔逊相关系数进一步筛选，排除相关性较大的分子描述符后得到40描述符，最后，通过递归特征消除来找到各种算法构建最优模型所需的描述符数量； 2构建模型：将前述特征采用逻辑回归算法进行训练，得到核苷衍生物成胶能力预测模型，具体包括以下： 利用4种分子指纹，以及所述筛选前后不同的分子描述符得到特征矩阵，作为模型的输入；结合逻辑回归算法进一步构建特征矩阵用于构建机器学习模型；特征矩阵的行代表核苷衍生物，列代表计算的分子指纹或分子描述符。

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四川大学，其通讯地址为：610000 四川省成都市武侯区一环路南一段24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。