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！

龙图腾网获悉鲁东大学申请的专利一种基于联合网络注意力的药物与靶点作用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：CN120998294B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511534430.6，技术领域涉及：G16B15/30；该发明授权一种基于联合网络注意力的药物与靶点作用关联预测方法是由李锦龙;周树森;刘通;柳婵娟;王庆军;臧睦君设计研发完成，并于2025-10-27向国家知识产权局提交的专利申请。

本一种基于联合网络注意力的药物与靶点作用关联预测方法在说明书摘要公布了：本发明属于生物信息学领域，涉及一种基于联合网络注意力的药物与靶点作用关联预测方法。首先，通过对药物分子图与蛋白质序列进行多任务自监督特征学习，提取药物亚结构与蛋白残基的上下文信息，从而获得高精度的表示特征；其次，结合机器学习模型，实现对药物与靶标间的交互关系；最后，通过训练的模型实现药物与靶点的作用关联预测。本发明能够在有限标注数据条件下保持优异的预测性能和强泛化能力。实验结果表明，该方法在药物发现、靶点筛选及候选药物作用机制识别等方面具有显著优势，可为新药研发提供高效可靠的工具支撑。

本发明授权一种基于联合网络注意力的药物与靶点作用关联预测方法在权利要求书中公布了：1.一种基于联合网络注意力的药物与靶点作用关联预测方法，其特征在于，包括对药物数据建模，对靶点数据建模，对药物和靶点数据进行自监督预训练特征学习，联合网络注意力训练和对药物与靶点作用关联预测五个过程，其具体步骤如下： 步骤1、对原始分子数据进行结构化建模，通过分子解析工具将其转换为图结构,采用子结构切分算法对整分子进行分解，以环上原子为中心，向其边上延伸，将其直接连接的化学键及键上的基团作为一个整体组进行划分，拆解为若干子结构片段； 步骤2、对靶点蛋白质数据，以氨基酸主序列作为输入源，首先对原始序列进行标准化处理，包括去除非法字符、统一编码格式以及对过长序列进行分段或截断操作；随后将标准化后的序列输入大规模预训练的蛋白质语言模型，形成可完整描述序列层级特征分布的嵌入矩阵；在此基础上，每一个氨基酸残基被映射为一个高维嵌入向量，并借助自注意力机制对序列范围内的残基进行长程依赖建模，根据残基间的重要性分配不同权重，最终输出包含残基级特征的序列上下文嵌入表示； 步骤3、将步骤1中的药物分子数据和步骤2中的靶点蛋白质数据采用自监督预训练特征学习方式，在大规模无标注数据上分别学习药物与蛋白质的表示特征；其中，对药物数据，采用子结构掩码预测、分子描述符预测及功能基团预测的多任务学习；对蛋白质数据，利用掩码语言建模获取残基级上下文特征进行学习，得到分子与蛋白质的预训练特征； 步骤4、将步骤3中所得的药物与蛋白质的预训练特征输入至联合网络注意力模块，该模块依次包括长短期记忆网络层、卷积神经网络层以及自注意力机制层，输出得到药物向量与靶点向量；随后，采用向量拼接与交互操作将药物向量与靶点向量进行融合，包括计算两者的逐元素乘积以及逐元素绝对差，从而得到融合向量；其中，表示拼接操作，表示逐元素乘积，表示药物向量，表示靶点向量，表示逐元素绝对差，表示药物向量与靶点向量逐元素乘积；该融合向量经全连接层与双曲几率变换激活函数映射至概率空间：；其中，表示药物与靶点之间作用关联的预测概率值，既可用于交互是否存在的二分类任务，也可作为结合亲和度强度的评分输出； 步骤5、使用二分类交叉熵损失，通过二分类输出层，作为最终的药物与靶点作用关联预测结果。

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鲁东大学，其通讯地址为：264025 山东省烟台市芝罘区红旗中路186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。