Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 华南理工大学张通获国家专利权

华南理工大学张通获国家专利权

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!

龙图腾网获悉华南理工大学申请的专利一种基于多模态网络和宽度学习的药物相互作用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:CN115713966B

龙图腾网通过国家知识产权局官网在2025-08-05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:202211455475.0,技术领域涉及:G16B15/30;该发明授权一种基于多模态网络和宽度学习的药物相互作用预测方法是由张通;饶晓洁;孟献兵;陈俊龙设计研发完成,并于2022-11-21向国家知识产权局提交的专利申请。

一种基于多模态网络和宽度学习的药物相互作用预测方法在说明书摘要公布了:本发明公开了一种基于多模态网络和宽度学习的药物相互作用预测方法,包括:获取药物的多模态特征信息,并求取各个模态下的药物交互图;通过图注意力网络学习药物在不同模态下的特征;利用宽度学习系统进行多模态特征融合,并通过融合后的药物多模态特征来预测每个药物对之间存在相互作用的概率。本发明从多模态数据中提取药物特征信息,并利用图神经网络强大的特征表示能力来建模和学习药物的不同模态特征,通过将药物不同模态的数据特征映射到统一的低维向量空间,利用宽度学习可以融合多种特征的特点,融合四种模态的信息,充分利用了特征信息,增强模型表达能力。利用宽度学习系统可进行增量学习的特性,提高模型的预测性能。

本发明授权一种基于多模态网络和宽度学习的药物相互作用预测方法在权利要求书中公布了:1.一种基于多模态网络和宽度学习的药物相互作用预测方法,其特征在于,利用药物相互作用预测模型对药物相互作用进行预测,该药物相互作用预测模型包括输入层、嵌入层以及宽度学习层,预测的过程包括: 在输入层中,获取药物的多模态特征信息,并求取各个模态下的药物交互图; 在嵌入层中,通过图注意力网络学习药物在不同模态下的特征; 在宽度学习层中,利用宽度学习系统进行多模态特征融合,并通过融合后的药物多模态特征来预测每个药物对之间存在相互作用的概率; 获取药物的多模态特征信息,并求取各个模态下的药物交互图,包括: 从drugbank和KEGG数据库中获取药物的化学亚结构、靶点、酶和通路模态特征信息; 求取化学亚结构、靶点、酶和通路模态下的药物交互图Gs、Gt、Ge、Gp; 求取化学亚结构模态下的药物交互图Gs,包括: 通过以下公式计算药物在化学亚结构模态下的相似度矩阵Ss: 其中,Fs表示药物对应的化学亚结构的二元特征向量;M11表示两种药物特征向量中对应位置的值均为1的元素总数,M01表示两个特征向量中对应位置在Fsu中的值为0且在Fsv中的值为1;M10表示两个特征向量中对应位置在Fsu中的值为1且在Fsv中的值为0; 根据相似度矩阵,得到在化学亚结构模态下的药物交互图Gs: 其中,Nv和Nu分别表示药物v和u的邻居节点集合。

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华南理工大学,其通讯地址为:510640 广东省广州市天河区五山路381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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。