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！

龙图腾网获悉大连海事大学申请的专利基于知识图谱的自监督药物-疾病关联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：CN119446342B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202411468789.3，技术领域涉及：G16C20/70；该发明授权基于知识图谱的自监督药物-疾病关联预测方法及系统是由崔海;段镁钰;付任;张益嘉;鲁明羽设计研发完成，并于2024-10-21向国家知识产权局提交的专利申请。

本基于知识图谱的自监督药物-疾病关联预测方法及系统在说明书摘要公布了：本发明提供基于知识图谱的自监督药物‑疾病关联预测方法及系统，属于生物信息学中药物发现的技术领域。构建并训练药物‑疾病关联预测模型，包括：主任务药物‑疾病关联预测以及辅助任务自监督学习；主任务通过异构图神经网络从生物医学知识图谱中学习出各节点的向量表示；利用疾病向量表示和药物向量表示预测二者关联概率；模型训练联合主任务与辅助任务的损失函数作为模型的损失函数；通过辅助任务为主任务提供额外的训练标签；每轮次训练进行辅助任务优化梯度的修正。解决了现有方法仅设计单一的对比学习辅助任务，缺少基于结构、语义或属性的自监督，且自监督辅助任务与主任务间梯度优化方向与量级的严重不一致导致模型预测准确性降低的问题。

本发明授权基于知识图谱的自监督药物-疾病关联预测方法及系统在权利要求书中公布了：1.基于知识图谱的自监督药物-疾病关联预测方法，其特征在于，包括： 构建并训练药物-疾病关联预测模型；所述模型包括： 主任务药物-疾病关联预测以及辅助任务自监督学习； 所述主任务包括： 通过异构图神经网络从生物医学知识图谱中学习出各实体的向量表示； 利用疾病向量表示和药物向量表示通过关联预测器预测两者关联概率； 所述辅助任务，包括： 疾病节点二分类任务，用于依据疾病标签信息判断疾病属于常见病或罕见病； 药物类型多分类任务，用于根据解剖学、治疗学以及化学分类系统识别药物所属类别； 节点相似度对比任务，使得语义相近的实体对应的表征向量在表示空间内更为接近，使语义不相关的实体对应的表征向量在表示空间内更远； 所述模型训练包括： 联合主任务与辅助任务的损失函数作为模型的损失函数； 通过辅助任务为主任务提供额外的训练标签； 在每一训练轮次中修正自监督辅助任务的梯度优化方向与量级； 所述利用实体中的疾病向量表示和药物向量表示通过关联预测器预测两者关联概率，包括： 药物表示hu与疾病向量表示hv进行串联并输入到多层感知机中，计算药物u关联疾病v的概率： yu,v＝sigmoidMLPhu||hv 药物-疾病关联预测通过交叉熵损失函数进行优化： 其中，S为正负训练样本集合，为真实标签。

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大连海事大学，其通讯地址为：116026 辽宁省大连市甘井子区凌水街道凌海路1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”。

以上内容由龙图腾AI智能生成。