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！

龙图腾网获悉重庆邮电大学申请的专利一种基于分布漂移一致性的可解释的药物分子性质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：CN119418811B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411461690.0，技术领域涉及：G16C20/30；该发明授权一种基于分布漂移一致性的可解释的药物分子性质预测方法是由刘立;贺光勇;王以可;向可欣设计研发完成，并于2024-10-18向国家知识产权局提交的专利申请。

本一种基于分布漂移一致性的可解释的药物分子性质预测方法在说明书摘要公布了：本发明属于药物筛选技术领域，具体涉及一种基于分布漂移一致性的可解释的药物分子性质预测方法；包括：获取药物分子图结构数据集并中挑选出待识别药物分子的正、负样本集；采用基本事后解释模型对两个样本集进行处理，得到候选解释子图集；采用代理生成器对候选解释子图集进行处理，得到代理图集；将代理图集输入到训练好的GNN模型中进行处理，得到两个样本集的药物分子性质预测结果；计算代理图对比学习损失并调整代理生成器的参数；计算预测以及获取解释子图的总损失并调整基本事后解释模型参数；重复训练直到达到预设最大迭代次数，得到训练好的预测模型；本发明显著提升了化合物生成模型和分类模型的可靠性与可解释性，使得化合物特性分析更加直观透明。

本发明授权一种基于分布漂移一致性的可解释的药物分子性质预测方法在权利要求书中公布了：1.一种基于分布漂移一致性的可解释的药物分子性质预测方法，其特征在于，包括：获取待预测的药物分子图结构，将其输入到训练好的药物分子性质预测模型中进行处理，得到药物分子性质预测结果和药物分子关键子结构； 药物分子性质预测模型的训练过程包括： S1：获取药物分子图结构数据集，并从药物分子图结构数据集中挑选出待识别药物分子的正样本集和负样本集；将正样本集和负样本集一起作为待解释图集； S2：采用基本事后解释模型对待解释图集进行处理，得到候选解释子图集；过程包括： 基本事后解释模型以待解释图Gi及其对应的预测类别Yi作为输入，通过参数化的MLP模型或者非参数化的方式学习一个掩码矩阵M，将其与待解释图的邻接矩阵逐元素相乘，输出一个候选解释子图Gexp＝Ai⊙M,Xi，其中，⊙表示对两个矩阵逐元素相乘；Xi表示Gi中原子的特征矩阵；Ai表示Gi的邻接矩阵； 通过基本事后解释模型对待解释图集进行处理，得到候选解释子图集 S3：采用代理生成器对候选解释子图集进行处理，得到代理图集；代理生成器对候选解释子图集进行处理的过程包括： 使用第一多层感知机MLP对候选解释子图集中每个图的边状态进行编码，得到图的边编码结果；利用MLP对边状态进行编码表示为： 其中，Mt表示基本事后解释模型对图G在第t步得到的边掩码矩阵；ψn为MLP的待学习参数； 将每个图的边编码结果和对应图的节点嵌入输入到第二多层感知机中进行处理，得到代理图集；代理图的生成表示为： 其中，为每条边的状态分布；[·]表示向量拼接操作；σ·表示激活函数，一般使用sigmoid函数作为激活；∈～Uniform0,1为随机选取的噪声；为人为设置的超参数； S4：将代理图集输入到训练好的GNN模型中进行处理，得到正样本集和负样本集的药物分子性质预测结果； S5：根据正样本集和负样本集的药物分子性质预测结果计算代理图对比学习损失并根据代理图对比学习损失调整代理生成器的参数； S6：计算预测以及获取解释子图的总损失并根据该总损失调整基本事后解释模型参数；具体包括； S61：将候选解释子图集输入到训练好的GNN模型中进行处理，得到正样本集和负样本集的中间药物分子性质预测结果； S62：根据正样本集和负样本集的中间药物分子性质预测结果计算分布一致性对比学习损失；计算分布一致性对比学习损失的公式为： 其中，表示分布一致性对比学习损失，Yt表示第t步训练中待解释图的预测标签，表示求期望，P·|G为GNN模型的预测分布，表示待识别药物分子训练集，表示第i个待识别药物分子的正样本集，表示第i个待识别药物分子的负样本集，表示第t步训练中的第j个待解释图的候选解释子图； S63：根据待解释图集和代理图集计算交叉熵损失，根据分布一致性对比学习损失和交叉熵损失计算预测总损失；根据预测总损失调整基本事后解释模型参数；计算总损失的公式为： 其中，表示预测以及获取解释子图的总损失，IG,G表示正则化项，G表示初始待解释图，G表示第t步训练中的待解释图，Y表示初始待解释图的标签，CEY,PY|hG表示交叉熵损失，P·|G为GNN模型的预测分布，h·表示代理生成器，表示分布一致性对比学习损失； S7：重复执行步骤S2-S6，直到达到预设最大迭代次数，得到训练好的药物分子性质预测模型。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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。