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！

龙图腾网获悉东北农业大学申请的专利一种基于TransVAE的药物-靶标结合亲和力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：CN116825183B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202310840256.2，技术领域涉及：G16B15/30；该发明授权一种基于TransVAE的药物-靶标结合亲和力预测方法是由周长建;宋佳;李中正;向文胜设计研发完成，并于2023-07-11向国家知识产权局提交的专利申请。

本一种基于TransVAE的药物-靶标结合亲和力预测方法在说明书摘要公布了：本发明涉及人工智能与药物发现相关领域，具体来说，发明了一种基于Transformer与变分自编码器VariationalAutoencoder,VAE相结合的药物‑靶标结合亲和力Drug‑TargetbindingAffinity,DTA预测方法。用于解决目前公开的多数基于人工智能的DTA预测方法中存在的两个问题：1大多方法只关注药物和靶标的特征表示，而忽略了到药物和靶标的子结构Sub‑structure对DTA预测结果的影响，即特征获取不够细粒度化；2缺乏有效的特征融合方法，从而导致DTA预测效果不理想的问题。本发明结合Transformer与VAE两个模型的优势，分别对药物和靶标进行特征编码后再输入到本发明设计的注意力池化模块进行特征融合，最后输入到预测模块进行DTA预测。本发明可以应用于药物与靶标结合亲和力的预测。

本发明授权一种基于TransVAE的药物-靶标结合亲和力预测方法在权利要求书中公布了：1.一种基于TransVAE的药物-靶标结合亲和力预测方法，其特征在于，包括以下步骤： 步骤一：从数据库中提取出药物信息、蛋白质信息、及药物-靶标结合亲和力信息，其中亲和力信息包括解离常数、抑制常数和半数最大抑制浓度； 步骤二：数据预处理，药物数据采用SMILES格式，靶标数据采用蛋白质序列的方式，经过降噪处理后分别得到药物特征矩阵和蛋白质特征矩阵； 步骤三：将步骤二中的药物特征矩阵和靶标特征矩阵进行拼接得到药物靶标对drug-targetpair中，已知存在相互关系的药物和靶标形成的DTP是阳性的，不存在相互关系的药物和靶标形成的DTP是阴性的，在阴性DTP中随机选取与阳性数量相等的阴性DTP，与阳性DTP组成数据集，在数据集中选取一部分作为训练集，另一部分作为测试集； 步骤四：构建基于TransVAE药物-靶标结合亲和力预测模型，该模型分为数据编码模块、特征融合模块和预测模块；其中数据编码模块分为药物编码和靶标编码两个子模块，采用变分自编码VariationalAutoencoder模型对药物数据编码，采用Transformer模型对靶标数据进行编码；然后将药物和靶标编码后的特征输入到注意力池化attentionpooling模块来进行特征融合，得到融合后的特征；最后再将融合后的特征输入到预测模块进行药物-靶标结合亲和力预测； 步骤五：设定基于TransVAE药物-靶标结合亲和力预测模型的超参数，其中优化器采用adam函数，其初始学习率设定为0.0005；损失函数meansquarederror用来评估预测结果和真实解决之间的差别，采用N折交叉验证方法N-foldcross-validation训练模型，分别将药物输入到变分自编码模块，靶标数据输入到Transformer模块进行编码，随后再将药物和靶标编码后的特征输入到注意力池化模块进行特征融合，最后将融合后的特征输入到预测模块进行DTA预测，模型经过多次迭代训练，直至不再收敛为止，得到训练结果； 步骤六：利用测试集对模型预测效果进行测试，如DTA预测结果不理想，则继续调整模型的超参数，重复步骤七的训练过程，直至预测模块输出DTA测试结果满足精度要求时，则停止训练，获得训练好的DTA预测模型； 步骤七：将任意符合格式要求的药物和靶标输入到训练好的DTA预测模型，经过模型计算后，得到输入药物和靶标的DTA分值。

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东北农业大学，其通讯地址为：150030 黑龙江省哈尔滨市香坊区长江路600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”。