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！

龙图腾网获悉吉林大学申请的专利一种基于图神经网络的药物靶点预测模型及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：CN119580825B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411722272.2，技术领域涉及：G16B15/30；该发明授权一种基于图神经网络的药物靶点预测模型及方法是由杜伟;阚澳;陈虹宇;李瑛;李高阳;梁艳春设计研发完成，并于2024-11-28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的药物靶点预测模型及方法在说明书摘要公布了：本发明适用于生物信息技术领域，提供了一种基于图神经网络的药物靶点预测方法，包括以下步骤：分别以药物和靶点节点为核心，自动抽取其局部子图，以捕捉节点在复杂生物网络中的局部上下文信息；将不同类型边视为特征信息融入特征学习过程，通过注意力机制动态调整不同类型边对节点表示的贡献度，引入残差连接和归一化处理策略，对节点特征进行融合；利用两层图卷积网络对融合后的节点特征进行深度挖掘，计算出药物与靶点间潜在的相互作用预测分数。本发明还提供了一种基于图神经网络的药物靶点预测模型。本发明分别针对预测的药物和靶点进行独立的特征提取和训练，在保持模型灵活性的同时，有效提升了节点表示的准确性和丰富性。

本发明授权一种基于图神经网络的药物靶点预测模型及方法在权利要求书中公布了：1.一种基于图神经网络的药物靶点预测方法，其特征在于，包括以下步骤： 分别以药物和靶点节点为核心，自动抽取其局部子图，以捕捉节点在复杂生物网络中的局部上下文信息； 将不同类型边视为特征信息融入特征学习过程，通过注意力机制动态调整不同类型边对节点表示的贡献度，引入残差连接和归一化处理策略，对节点特征进行融合； 利用两层图卷积网络对融合后的节点特征进行深度挖掘，计算出药物与靶点间潜在的相互作用预测分数； 所述分别以药物和靶点节点为核心，自动抽取其局部子图，以捕捉节点在复杂生物网络中的局部上下文信息的步骤，具体为： 构建一个生物异质图，其中涵盖了药物、靶点、疾病及副作用多种类型的节点，且每类节点均表示不同的特征信息； 采用双通道学习策略学习药物和靶点这两个节点的特征，在每一条通道中，分别以药物节点和靶点节点为中心节点，从完整的异质图中分别抽取子图D和子图T作为双通道表示学习的起点； 所述步骤还包括：将异质图定义为，其中V表示节点集合，E表示边集合，每一个节点v都有一个类型，每一条边e都有一个类型，可能的节点类型和边类型的集合分别表示为和，当时，该图退化为普通同质图； 所述将不同类型边视为特征信息融入特征学习过程，通过注意力机制动态调整不同类型边对节点表示的贡献度，引入残差连接和归一化处理策略，对节点特征进行融合的步骤，具体为： 可学习的边类型特征嵌入：在图注意力网络的每一层中，为每一种边类型分配一个特定的维嵌入特征，表示为，在同时考虑节点嵌入和边类型嵌入的情况下，注意力分数α的计算为： （1）； 其中，表示以节点i和节点j为端点的边的类型，Wr是用于类型嵌入转换的可学习矩阵； 残差连接：在跨层节点表示之间添加一个节点残差连接，第层上的节点聚合表示为： （2）； 其中，是关于边的注意力权值，是一个激活函数； 当维度在第层发生变化时，需增加一个可学习线性变换： （3）； 根据公式（2）执行K个独立的注意力机制，并将它们的结果连接起来作为最终表示，公式解析为： （4）； （5）； （6）； 上式中，表示拼接操作，示通过第个线性变换计算得到的注意力分数，在最后一层——第L层中，对得到的表示取平均，即： （7）； L2归一化：通过L2归一化，将所有特征缩放到相同的量级。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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。