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！

龙图腾网获悉清华大学申请的专利基于跨模态预训练的小分子生成方法、装置及电子设备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：CN119833020B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411684791.4，技术领域涉及：G16C20/50；该发明授权基于跨模态预训练的小分子生成方法、装置及电子设备是由兰艳艳;贾寅君;樊高凡设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本基于跨模态预训练的小分子生成方法、装置及电子设备在说明书摘要公布了：本发明提供一种基于跨模态预训练的小分子生成方法、装置及电子设备，其中的方法包括：获取给定的蛋白质口袋；获取蛋白质口袋的目标表示向量；基于预先训练的分子生成模型，根据目标表示向量，生成蛋白质口袋对应的配体小分子；其中，分子生成模型根据类药小分子样本及其对应的表示向量样本构成的训练样本集进行训练优化得到，表示向量样本通过分子编码器编码并减小模态间隙得到，用于模拟类药小分子样本对应蛋白质口袋样本的表示向量，分子编码器为预训练的对比学习模型。该方法通过预训练的对比学习模型将蛋白质口袋与配体小分子在表示空间中对齐，使用单模态的类药小分子数据无监督学习跨模态的蛋白质‑小分子配对任务，能够准确捕捉到药物分子的化学结构与构象的分布，摆脱对实验数据的依赖，生成了具有更合理几何结构和更接近真实药物分子结构分布的药物小分子，并提高了所生成药物小分子的可合成性、与靶点之间的亲和力。

本发明授权基于跨模态预训练的小分子生成方法、装置及电子设备在权利要求书中公布了：1.一种基于跨模态预训练的小分子生成方法，其特征在于，包括： 获取给定的蛋白质口袋； 获取所述蛋白质口袋的目标表示向量； 基于预先训练的分子生成模型，根据所述目标表示向量，生成所述蛋白质口袋对应的配体小分子； 其中，所述分子生成模型根据类药小分子样本及其对应的表示向量样本构成的训练样本集进行训练优化得到，所述表示向量样本通过分子编码器编码并减小模态间隙得到，用于模拟类药小分子样本对应蛋白质口袋样本的表示向量，所述分子编码器为预训练的对比学习模型； 获取所述蛋白质口袋的目标表示向量，包括： 基于预先训练的蛋白质编码器，将所述蛋白质口袋编码为对应的初始表示向量； 对所述初始表示向量进行崩塌处理，得到所述目标表示向量； 其中，所述预先训练的蛋白质编码器为预训练的对比学习模型，所述对比学习模型根据蛋白质口袋样本及其对应的配体小分子样本构成的训练样本集进行训练优化得到； 对所述初始表示向量进行崩塌处理，得到所述目标表示向量，包括： 将蛋白质口袋确定为第一模态数据，并获取所述第一模态数据的平均值； 从所述初始表示向量中减去第一模态数据的平均值，得到目标表示向量； 训练优化所述分子生成模型，具体包括： 基于预先训练的分子编码器，将类药小分子样本编码为对应的初始表示向量样本； 对所述初始表示向量样本进行崩塌处理和破坏处理，得到表示向量样本； 在训练时，以所述表示向量样本、类药小分子样本的原子坐标和原子类型为模型输入，以生成小分子为模型输出，以所述类药小分子样本与生成小分子的差异为训练损失，迭代优化所述分子生成模型； 对所述初始表示向量样本进行崩塌处理和破坏处理，得到表示向量样本，包括： 将类药小分子确定为第二模态数据，并获取所述第二模态数据的平均值； 从所述初始表示向量样本中减去第二模态数据的平均值，并加上对齐噪声，得到表示向量样本； 所述对齐噪声根据蛋白质口袋样本及其对应的配体小分子样本构成的训练样本集预算得到。

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清华大学，其通讯地址为：100084 北京市海淀区清华园；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。