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！

龙图腾网获悉湖南大学申请的专利基于深度学习异构网络的药物不良反应预测方法及系统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：CN118430844B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202410473488.3，技术领域涉及：G16H70/40；该发明授权基于深度学习异构网络的药物不良反应预测方法及系统是由金敏;赵博涛;龚后武;彭绍亮;骆嘉伟设计研发完成，并于2024-04-19向国家知识产权局提交的专利申请。

本基于深度学习异构网络的药物不良反应预测方法及系统在说明书摘要公布了：本发明公开一种基于深度学习异构网络的药物不良反应预测方法及系统。所述预测方法采用基于嵌入权重的图神经网络的药物活性分子结构特征提取模型结合分子的理化性质提取待测药物活性分子的结构特征；然后利用基于多头注意力机制的TransformerDecoder模块对提取的待测药物活性分子的结构特征通过自回归的方式不断地预测生成药物潜在的不良反应；直到预测出的结果为预定义的结束词，获得该药物所有潜在的不良反应。本发明借助嵌入权重的图神经网络强大的图数据结构数据处理能力和TransformerDecoder模块强大的生成能力，构建一个端到端的深度学习方法框架，学习药物与不良反应之间的潜在联系，能更加全面、完整、准确地预测药物的潜在的不良反应。

本发明授权基于深度学习异构网络的药物不良反应预测方法及系统在权利要求书中公布了：1.一种基于深度学习异构网络的药物不良反应预测方法，其特征在于，具体包括如下步骤：S1、采用基于嵌入权重的图神经网络的药物活性分子结构特征提取模型结合分子的理化性质提取待测药物活性分子的结构特征；具体包括如下步骤：S101、获取待测药物活性分子的原子邻接矩阵和原子特征矩阵；具体为：使用RDKIT工具包中的方法从以InChI格式表示的待测药物活性分子数据中提取出原子对象及原子之间的原子邻接矩阵，并将原子对象转化为以数值向量表示的原子特征向量，获得该药物活性分子的原子特征矩阵；S102、将原子作为图数据结构中的节点，原子之间的化学键作为图数据结构中的边，构建基于嵌入权重的图神经网络的药物分子结构特征提取模型；S103、将步骤S101获取的原子特征矩阵和原子邻接矩阵输入到步骤S102构建的药物分子结构特征提取模型，获得聚合后的原子特征矩阵；S2、利用基于多头注意力机制的TransformerDecoder模块对提取的待测药物活性分子的结构特征及编码后的药物不良反应词向量通过自回归的方式不断地预测生成药物潜在的不良反应；直到预测出的结果为预定义的结束词，获得结合图神经网络和TransformerDecoder模块的混合模型；具体包括如下步骤：S201、将以UMLSID表示的药物不良反应转化为以数值表示的词向量，并加入位置编码，获得加入位置编码的词向量矩阵；S202、构建基于多头注意力机制的TransformerDecoder模块：将步骤S103的聚合后的原子特征矩阵和步骤S201的加入位置编码的词向量矩阵输入到TransformerDecoder模块，输出中间特征矩阵；S203、使用Softmax函数将中间特征矩阵转化为药物潜在不良反应的概率表示，取概率最大的潜在不良反应作为本次预测结果；S204、将步骤S203本次预测出来的药物潜在不良反应与之前所有次预测出来的药物潜在不良反应一起作为输入数据重新输入到步骤S202的TransformerDecoder模块中，进行下一次预测；S205、重复S202-S204，直到预测出的结果为预定义的结束词，得到结合图神经网络和TransformerDecoder模块的混合模型；S3、混合模型参数初始化与训练优化；S4、利用训练好的模型，以自回归生成的方式对药物潜在不良反应进行预测，获得该药物所有潜在的不良反应。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路2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”。