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！

龙图腾网获悉西北工业大学申请的专利基于粗细粒度分类的药代动力学和毒性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：CN116206704B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202211698293.6，技术领域涉及：G16C20/50；该发明授权基于粗细粒度分类的药代动力学和毒性预测方法是由施建宇;杜冰雪;杨光;秦媛;李嘉宁;胡朋振;朱蓓设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本基于粗细粒度分类的药代动力学和毒性预测方法在说明书摘要公布了：本发明公开了一种基于粗细粒度分类的药代动力学和毒性预测方法，提出一个基于多任务的可解释模型，即MCF‑PT，利用多任务学习并结合任务特有特征及共享特征方法，设计基于粗细粒度成药的图神经网络，研究基于的小分子药代动力学和毒性预测方法，探索化合物官能团与其多种药代动力学和毒性终点的关联规律。

本发明授权基于粗细粒度分类的药代动力学和毒性预测方法在权利要求书中公布了：1.基于粗细粒度分类的药代动力学和毒性预测方法，其特征在于，包括以下步骤： 1构建基于粗细粒度分类的药代动力学和毒性预测模型MCF-PT 所述药代动力学和毒性预测模型MCF-PT包括粗粒度嵌入模块和细粒度嵌入模块，并由粗粒度嵌入模块输出到细粒度嵌入模块进行药代动力学和毒性的预测； 所述粗粒度嵌入模块包括多层图卷积网络层GCN以及门控单元； 所述细粒度嵌入模块包括依次设置的多层图注意力网络层、门控单元及全连接层神经网络层； 2采集样本数据，对步骤1构建的药代动力学和毒性预测模型进行训练 2.1采集药物分子的结构信息以及其对应的药代动力学和毒性的信息，构建训练数据集、验证数据集和测试数据集； 2.2将步骤2.1获得的各个数据中涉及化合物分子的SMILES序列信息转换为化合物图，得到化合物结构数据； 2.3使用步骤2.2得到的化合物结构数据，通过粗粒度嵌入模块中多层图卷积网络层GCN提取各个粗粒度任务的独特表示特征以及粗粒度任务间的共享表示特征；随后通过粗粒度嵌入模块中的门控单元将粗粒度任务间的共享表示特征与各个粗粒度任务的独特表示特征分别进行融合，得到各个粗粒度任务的最终表示特征y1、y2、y3、y4、y5，并将其作为细粒度嵌入模块的输入； 2.4通过细粒度嵌入模块中的多层图注意力网络层获取每个粗粒度任务下各个细粒度任务的特定表示特征以及细粒度任务间的共享表示特征；随后通过细粒度嵌入模块中的门控单元将每个粗粒度任务下的细粒度任务间的共享表示特征与各个细粒度任务的特定表示特征分别进行融合，得到各个细粒度任务的加权表示特征； 2.5将步骤2.4得到的各个细粒度任务的加权表示特征经过细粒度嵌入模块中进行预测的全连接层神经网络层作为细粒度任务的输出特征向量； 2.6利用交叉熵损失函数计算步骤2.5得到的输出特征向量与原始标签之间的损失，再通过负反馈调节更新药代动力学和毒性预测模型中可训练的参数，经过多次训练后得到最终药代动力学和毒性预测模型； 3利用步骤2训练好的药代动力学和毒性预测模型，对药物分子的药代动力学和毒性进行预测。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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”。