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！

龙图腾网获悉青岛大学申请的专利一种融合元路径自动选择的药物重定位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：CN120072353B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202510552007.2，技术领域涉及：G16H70/40；该发明授权一种融合元路径自动选择的药物重定位方法是由魏志强;李臻;丁善洋设计研发完成，并于2025-04-29向国家知识产权局提交的专利申请。

本一种融合元路径自动选择的药物重定位方法在说明书摘要公布了：本发明提供了一种融合元路径自动选择的药物重定位方法，涉及药物重定位技术领域，包括：以药物实体和疾病实体通过第一条元路径学习到的视图嵌入为输入，基于自注意力机制，进行元路径特征聚合；计算每个视图嵌入与其他视图嵌入的余弦相似度，对视图的重要性分数进行排序，取前k个视图更新疾病张量和药物张量；基于Transformer互注意力多视图融合模块，对药物和疾病的多视图嵌入进行融合；通过异构图神经网络将蛋白质的特征信息动态传递给药物和疾病节点；对药物和疾病得到的嵌入，经过MLP层进行关联分数的预测输出。本发明的技术方案克服现有技术中不能够深入挖掘药物与疾病关联的问题。

本发明授权一种融合元路径自动选择的药物重定位方法在权利要求书中公布了：1.一种融合元路径自动选择的药物重定位方法，其特征在于，具体包括如下步骤： S1，以药物实体和疾病实体通过第一条元路径学习到的视图嵌入为输入，基于自注意力机制，进行元路径特征聚合； S2，计算每个视图嵌入与其他视图嵌入的余弦相似度，并对余弦相似度求和，得到每个视图的重要性分数，对视图的重要性分数进行排序，取前k个视图更新疾病张量和药物张量； S3，基于Transformer互注意力多视图融合模块，对药物和疾病的多视图嵌入进行融合； S4，通过异构图神经网络将蛋白质的特征信息动态传递给药物和疾病节点； S5，对药物和疾病得到的嵌入，经过MLP层进行关联分数的预测输出； 对于更新药物张量，步骤S2具体包括如下步骤： S2.1，计算每个视图嵌入与其他视图嵌入的余弦相似度： ； 其中，和分别为第个和个药物视图嵌入，为药物视图中第个节点的特征，为药物节点的个数； S2.2，对于，计算与其他所有药物视图之间的相似度，计算注意力得分，并对注意力得分进行归一化： ； ； 其中，为归一化后的注意力得分； S2.3，将得到的进行降序排序，并取排名前个，将药物张量更新为； 疾病张量的更新步骤同步骤S2.1~S2.3，疾病张量更新为： ； 步骤S3具体包括如下步骤： S3.1，在中，每一个药物有种不同的向量表示，记作；在中，每一个疾病有种不同的向量表示，记作； S3.2，对于每对嵌入向量，使用查询向量、键向量和值向量进行映射： ； ； 其中，，，，，，是可训练的权重矩阵；和分别为药物视图和疾病视图的查询向量；和分别为药物视图和疾病视图的键向量；和分别为药物视图和疾病视图的值向量； S3.3，对于每一对和，通过计算和，和的交叉点积之和得到注意力权重，过程表示为： ； ； ； 其中，和分别为药物视图集合和疾病视图集合，为的转置，为更新后的药物特征向量，为更新后的疾病特征向量； S3.4，融合后的药物特征，融合后的疾病特征； 步骤S4具体包括如下步骤： S4.1，将药物、疾病和蛋白质的特征拼接作为输入特征输入多层异质图变换网络HGT，为蛋白质特征，代表药物节点，疾病节点和蛋白质节点总数量，为嵌入的维度； HGT单层计算过程为： ； 其中，，分别表示节点类型的映射和边类型的映射；表示异构图转化后的同质图，表示第层嵌入的矩阵； S4.2，药物特征输出表示为，疾病特征的输出表示为。

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青岛大学，其通讯地址为：266071 山东省青岛市市南区宁夏路308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”。