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！

龙图腾网获悉谱慧生物科技成都有限公司申请的专利多维数据库融合的代谢组学大模型构建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：CN120708689B 。

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：202510799019.5，技术领域涉及：G16B5/00；该发明授权多维数据库融合的代谢组学大模型构建方法是由肖瑞;许勇;王维设计研发完成，并于2025-06-16向国家知识产权局提交的专利申请。

本多维数据库融合的代谢组学大模型构建方法在说明书摘要公布了：本申请属于代谢组学大模型构建技术领域，涉及多维数据库融合的代谢组学大模型构建方法，为代谢物分配全局唯一ID，并将多源异构数据统一编码为多模态特征矩阵，避免了传统方法中因数据异构性导致的信息丢失；采用动态图生成器，结合多模态特征矩阵和先验通路邻接矩阵，通过相似度与可学习参数生成动态边权重构建代谢关系图，并利用多模态图注意力机制为不同模态特征分配自适应权重，执行图卷积消息传递，生成融合多模态信息的节点嵌入矩阵和优化后的动态代谢关系图；此外，通过元学习方法，将各数据库拆分为元任务，内循环利用动态图训练任务专属分类器，外循环通过查询集损失联合优化动态图生成器与元模型参数，显著提升了模型的跨库泛化能力。

本发明授权多维数据库融合的代谢组学大模型构建方法在权利要求书中公布了：1.多维数据库融合的代谢组学大模型构建方法，其特征在于，包括以下步骤： S1.基于来自多源数据库的数值型数据、图谱型数据和知识型数据通过InChIKey哈希值建立全局唯一ID，映射不同数据库中的同一代谢物，得到跨库代谢物映射表，并对来自多源数据库的数据进行统一编码后拼接，得到多模态特征矩阵； S2.基于动态图生成器，根据多模态特征矩阵以及先验通路邻接矩阵，采用特征余弦相似度与可学习参数融合先验邻接矩阵，生成动态边权重，基于此得到代谢关系图，再采用多模态图注意力机制为数值、图谱以及文本特征分配自适应权重，执行图卷积消息传递，得到融合多模态信息的节点嵌入矩阵和优化后的动态代谢关系图； 得到所述代谢关系图包括以下步骤： 先验通路邻接矩阵获取：基于多源数据库中KEGG数据库导入代谢通路结构，以邻接矩阵表示代谢物间的已知生化反应关系，存在反应则为1，否则为0，基于此得到先验通路邻接矩阵； 计算特征相似网络：基于多模态特征矩阵，通过相似度算法，计算每对代谢物特征向量的相似性，基于此得到特征相似性矩阵； 融合先验通路与数据相似性：引入一个可自动学习的平衡参数，其中平衡参数通过Sigmoid函数映射为0-1之间的权重值，基于权重值对所述先验通路邻接矩阵和所述特征相似性矩阵进行加权求和，得到动态邻接矩阵； 对所述动态邻接矩阵进行对称归一化处理，进而得到归一化后的代谢关系图； 得到所述节点嵌入矩阵的步骤如下： 模态对齐投影：对数值特征矩阵、图谱特征矩阵以及文本特征矩阵分别通过全连接层，投影到统一维度，得到投影后的三个模态特征矩阵； 模态重要性加权：对于每个代谢物，拼接投影后的三个模态特征矩阵，再通过注意力网络计算各模态重要性分数，并采用softmax函数归一化重要性分数，得到权重，基于此得到模态权重矩阵；基于得到的模态权重矩阵对每个代谢物的三个模态特征矩阵进行加权融合，得到融合特征矩阵； 图结构信息传播：包括两层GAT，其中第一层GAT对每个代谢物，根据动态邻接矩阵定位其一阶邻居，采用注意力机制计算邻居权重，并加权聚合邻居特征； 第二层GAT将第一层GAT的输出作为新特征，基于相同的邻接矩阵定位二阶邻居，二次聚合跨跳特征；基于此得到融合多模态信息的节点嵌入矩阵和优化后的动态代谢关系图； S3.将各数据库拆分为元任务，每个任务由支持集和查询集组成，对于每个元任务内循环利用动态图训练任务专属分类器，外循环通过查询集损失联合优化动态图生成器与元模型参数，得到泛化元学习模型和鲁棒动态图生成器。

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谱慧生物科技成都有限公司，其通讯地址为：610000 四川省成都市温江区成都海峡两岸科技产业开发园双堰路1919号2号楼4层；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。