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！

龙图腾网获悉中国科学院沈阳自动化研究所申请的专利一种基于重参数化卷积的药物与靶点互作用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：CN119541621B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411681625.9，技术领域涉及：G16B15/30；该发明授权一种基于重参数化卷积的药物与靶点互作用预测方法是由王卓;邓谟平;赵一鸣设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本一种基于重参数化卷积的药物与靶点互作用预测方法在说明书摘要公布了：本发明公开了一种基于重参数化卷积的药物与靶点互作用预测方法，该方法主要面向药物先导化合物虚拟筛选技术，针对许多现有的深度学习方法仅从小尺度上学习配体和靶点的高维表示，模型难以获取大尺度上结合口袋或多个结合位点的潜在规律的问题，引入了重参数化卷积的方法提高模型对蛋白质靶点和化合物配体的特征学习能力，同时设计了一种门控注意力机制，更有效地交互药物和靶点的表征信息，并通过对Cystathionine‑β‑synthaseCBS靶点的药物筛选实验验证了本发明作为药物筛选工具的潜力。

本发明授权一种基于重参数化卷积的药物与靶点互作用预测方法在权利要求书中公布了：1.一种基于重参数化卷积的药物与靶点互作用预测方法，其特征在于，执行如下步骤获取互作用预测的理想模型，用于筛选CBS靶点的可结合配体，所述方法包括以下步骤： 步骤S1、收集药物与靶点互作用的数据进行预处理，并使用“靶蛋白冷启动”和“靶蛋白热启动”两种方法获取模型训练与评估时需要的训练集、验证集和测试集； 步骤S2、对所有样本中的靶蛋白与配体进行编码；所述步骤S2中编码包括： 将预处理后的所有靶蛋白和化合物配体分别表示为氨基酸序列和标准化SMILES字符串的形式； 通过创建相应字符序列词典，将每一个靶蛋白和配体分别编码成one-hot表征； 嵌入层将两类表征转化为嵌入矩阵：其中Ld和Lp分别代表配体字符串和氨基酸序列的长度，VD和VP分别是配体和靶点嵌入特征的维度； 步骤S3、构建重参数化卷积神经网络，学习靶蛋白和化合物配体的高维特征；所述步骤S3包括以下步骤： 步骤S31、靶点和配体的特征信息将在重参数化卷积层被进一步编码；其中，1D卷积块对输入特征图x∈RL×V，通过尺寸为k的重参数化卷积提取出C个通道的低维特征，分别得到靶点和配体全新的特征矩阵x′∈RL×C；其中，L为配体字符串或氨基酸序列的长度，V为靶点或配体嵌入特征的维度，C为通道数； 步骤S32、对所有特征矩阵进行层标准化，用于加快模型的训练速度，减少梯度消失和梯度爆炸带来的影响，使模型更快收敛；计算方式如式2： 其中，为靶点或配体的层标准化结果，E为分母修正项，ub和分别为均值和方差，x′为靶点或配体全新的特征矩阵； 步骤S33、在层标准化各输出通道的特征值后，利用压缩和提取块动态改变不同通道特征对输出的影响，提高含有结合信息的通道对结果的贡献度；计算方式如式5和6： 其中，为靶点或配体经过压缩和提取块处理后特征，L为序列长度，为第i个输入的靶点或配体的层标准化结果，σ和δ分别是激活函数sigmoid和ReLU,和为可学习的权重参数，r为维度下降比；Fsq为中每个特征通道的压缩结果，C为通道数； 步骤S34、返回步骤S32再次进行层标准化，最终得到靶蛋白和化合物配体的高维特征XD和XP； 步骤S4、使用门控注意力机制，将靶点高维特征向量与配体高维特征向量信息进行交互，形成潜在的药物与靶点互作用的位点信息，并拼接得到最终的混合特征向量vf；所述步骤S4包括以下步骤： 步骤S41、给定配体高维特征矩阵和靶点高维特征矩阵先通过全连接层获取各自的隐层表示，如式78所示： 其中，和为权重矩阵，b1和b2为偏差向量；为配体高维特征矩阵的隐层表示，为靶点高维特征矩阵的隐层表示； 步骤S42、按照式91011计算更新门输出的信息交互结果zD、zP； 其中，和分别为维度拓展后的和F为编码-解码网络层，为激活函数Tanh，MEANInput,dim返回对维度取均值的结果；σ和δ分别是激活函数sigmoid和ReLU； 步骤S43、将信息交互结果与原特征相融合，如式1213所示： 其中，α为超参数； 步骤S44、靶蛋白和化合物配体各自的融合特征和被送入全局最大池化层并拼接输出混合特征vf； 步骤S5、利用集成学习XGBoost模型对最终的混合特征向量进行解码，得到模型预测结果； 步骤S6、使用该模型筛选CBS靶点的可结合配体。

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中国科学院沈阳自动化研究所，其通讯地址为：110016 辽宁省沈阳市沈河区南塔街114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。