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图神经网络与对比学习的自动基因功能预测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：CN118197432B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202410401194.X，技术领域涉及：G16B40/00；该发明授权一种基于图神经网络与对比学习的自动基因功能预测系统是由蔡宏民;郭恩待设计研发完成，并于2024-04-03向国家知识产权局提交的专利申请。

本一种基于图神经网络与对比学习的自动基因功能预测系统在说明书摘要公布了：本发明公开了一种基于图神经网络与对比学习的自动基因功能预测系统，包括：数据导入模块，用于加载多个生物网络数据以及对应的蛋白质序列，并对数据进行预处理；数据增强模块，使用图扰动的方式对每个生物网络数据进行数据增强；基因表征训练模块，利用图神经网络与对比学习得到对应的基因表征；基因功能预测模块，使用支持向量机针对基因是否具有某些特定的基因功能进行预测。本发明采用图神经网络而非传统深度学习网络来充分提取生物网络数据的信息，同时采用对比学习来捕获数据分布并生成富有语义的表示，有效提升了后续基因功能预测的效果。

本发明授权一种基于图神经网络与对比学习的自动基因功能预测系统在权利要求书中公布了：1.一种基于图神经网络与对比学习的自动基因功能预测系统，其特征在于，包括： 数据导入模块，用于加载多个生物网络数据以及对应的蛋白质序列，并将蛋白质序列转化为向量数据； 数据增强模块，使用图扰动的方式对每个生物网络数据进行数据增强，得到扰动后的网络数据； 基因表征训练模块，通过图神经网络将向量数据、加载的多个生物网络数据以及扰动后的网络数据转化为对应的向量表征，其间使用对比学习来提升得到的向量表征的质量，随后利用门控网络层对得到的向量表征进行融合得到全局的向量表征，即基因表征，训练完成后导出基因表征； 基因功能预测模块，根据得到的基因表征，使用支持向量机预测基因表征的基因功能类别； 所述基因表征训练模块包括特征表示模块、多网络融合模块和网络重构模块，其中： 所述特征表示模块利用图神经网络将由蛋白质序列转化而来的向量数据结合对应的生物网络数据以及扰动后的网络数据，转化为对应的向量表征，其中此处采用的图神经网络为图注意力网络，包括以下步骤： a1）图注意力网络将向量数据、生物网络数据和扰动后生成的网络数据进行聚合，过程如下： ； ； 式中，代表第个生物网络数据的向量表征，代表由第个生物网络数据扰动后生成的网络数据的向量表征，代表第个生物网络数据，为由第个生物网络数据扰动得来的网络数据，为由蛋白质序列得到的向量数据，为数据导入模块加载的生物网络数据的数量，代表构成的集合，为图注意力网络，为非线性函数，用于提取非线性特征并提高运算效率； a2）在利用图注意力网络聚合信息的同时，利用对比学习来提升向量表征的质量，对比学习的损失函数为： ； 式中，为对比学习损失，为第个生物网络数据中第个节点的向量表征，与分别为第个生物网络数据扰动后生成的网络数据中的第与第个节点的向量表征，为相似度函数，此处为向量内积，为以为底的指数函数，为生物网络数据的总节点数，为对应的缩放系数； 所述多网络融合模块通过门控网络层将图注意力网络得到的多个向量表征融合为基因表征，步骤如下： b1）由于不同网络数据之间的差异，在融合时需要利用门控网络层计算相应的权重用于加权，其计算公式如下： ； 式中，为融合时的权重，为门控网络层的可学习参数，为第个节点在第个生物网络数据中的向量表征，为第个节点在第个生物网络数据中的向量表征，与分别为由数据导入模块导出的第个节点在第个与第个生物网络数据中的指示函数值； b2）在得到对应的融合权重后，对图注意力网络得出的所有向量表征进行融合： ； 式中，为第个节点对应的基因表征； 所述网络重构模块利用基因表征计算得到全局网络数据，并用全局网络数据重构由数据导入模块加载的生物网络数据，包括以下步骤： c1）利用得到的基因表征计算得到全局网络数据： ； 式中，为全局网络数据中第与第个节点之间的权值，与为第与第个节点对应的基因表征； c2）为了使稠密的生物网络数据在重构时的权重更高，在重构时需要设置权重，权重计算如下： ； 式中，为重构第个生物网络数据时的权重，为第个生物网络数据中节点与节点之间的权值，当生物网络数据越稠密，在重构时其权重更高； c3）利用得到的全局网络数据，重构输入的生物网络数据，使其尽可能接近，重构的损失函数为： ； 式中，为重构损失，与为由数据导入模块导出的第个生物网络数据中节点与节点的指示函数值，用以确保在重构时忽略掉缺失节点对应的权值； c4）使用反向传播更新图注意力网络以及门控网络层的参数，基因表征训练模块总体的损失函数为： ； 式中，为最终的损失函数，为对比损失的占比权重。

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”。