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！

龙图腾网获悉北京深势科技有限公司申请的专利一种对分子片段的结合位点进行预测的处理方法和装置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：CN119673316B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202411876618.4，技术领域涉及：G16C20/30；该发明授权一种对分子片段的结合位点进行预测的处理方法和装置是由赵国江;高志锋;柯国霖;张林峰设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本一种对分子片段的结合位点进行预测的处理方法和装置在说明书摘要公布了：本发明实施例涉及一种对分子片段的结合位点进行预测的处理方法和装置，所述方法包括：构建结合位点预测模型；构建模型训练数据集记为对应的第一数据集；并基于第一数据集对结合位点预测模型进行训练；模型训练结束后，接收用户输入的两个三维分子片段结构作为对应的片段结构A、B；并利用结合位点预测模型对片段结构A、B的结合位点信息进行识别并将识别信息向当前用户反馈。通过本发明可以提高预测效率，可以增强对未知连接方式的发现能力。

本发明授权一种对分子片段的结合位点进行预测的处理方法和装置在权利要求书中公布了：1.一种对分子片段的结合位点进行预测的处理方法，其特征在于，所述方法包括： 构建结合位点预测模型；所述结合位点预测模型用于对模型输入的第一、第二分子片段进行结合位点预测处理并输出对应的结合概率预测向量； 构建模型训练数据集记为对应的第一数据集；并基于所述第一数据集对所述结合位点预测模型进行训练； 模型训练结束后，接收用户输入的两个三维分子片段结构作为对应的片段结构A、B；并利用所述结合位点预测模型对所述片段结构A、B的结合位点信息进行识别并将识别信息向当前用户反馈； 其中，所述结合位点预测模型包括编码初始化模块、图神经编码网络和MLP网络； 所述编码初始化模块用于根据模型输入的所述第一、第二分子片段进行分子图构建得到对应的分子图G；并根据所述分子图G进行状态编码初始化处理得到对应的状态编码张量H0向所述图神经编码网络发送； 所述图神经编码网络由M层GNN层顺次连接而成，编码层总数M为一个预设的正整数且数值大于2；第m层所述GNN层用于对本层输入的状态编码张量Hm-1进行状态转换处理得到对应的状态编码张量Hm，并在当前编码层索引m小于M时将所述状态编码张量Hm向第m+1层所述GNN层发送，并在当前所述编码层索引m等于M时将所述状态编码张量Hm＝M向所述MLP网络发送；1≤编码层索引m≤M； 所述MLP网络用于根据第M层所述GNN层输出的状态编码张量HM进行结合概率预测得到对应的所述结合概率预测向量； 所述分子图G包括节点集合V和边集合E； 所述节点集合V由N1+N2个节点vi组成；所述边集合E由多个边ei,j组成；1≤节点索引i≤N1+N2，1≤节点索引j≤N1+N2，j≠i，N1、N2分别为所述第一、第二分子片段的原子总数；所述节点vi与一个所述第一原子或一个所述第二原子对应；所述边ei,j与一个所述第一化学键或一个所述化学键对应； 所述状态编码张量H0包括N1+N2个节点状态向量h0,i；所述节点状态向量h0,i与所述节点vi一一对应；所述节点状态向量h0,i由原子类型特征、原子坐标特征、手性特征集合、关联化学键特征集合和跨片段距离特征集合组成； 所述跨片段距离特征集合由多个跨片段距离特征组成；若当前所述节点状态向量h0,i对应一个所述第一原子，则每个所述跨片段距离特征为当前对应的所述第一原子与所述第二分子片段中的一个所述第二原子之间直线距离的平方值；若当前所述节点状态向量h0,i对应一个所述第二原子，则每个所述跨片段距离特征为当前对应的所述第二原子与所述第一分子片段中的一个所述第一原子之间直线距离的平方值。

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北京深势科技有限公司，其通讯地址为：100089 北京市海淀区海淀大街3号1幢11层1101；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。