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！

龙图腾网获悉四川大学申请的专利一种基于深度学习的药物表征方法及存储介质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：CN115762706B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202211503046.6，技术领域涉及：G16H20/10；该发明授权一种基于深度学习的药物表征方法及存储介质是由魏骁勇;曹溢;杨震群;严丽巧;田奇;黄文禹设计研发完成，并于2022-11-28向国家知识产权局提交的专利申请。

本一种基于深度学习的药物表征方法及存储介质在说明书摘要公布了：本发明涉及计算机辅助药物设计与深度学习技术领域，提供了一种基于深度学习的药物表征方法及存储介质。主旨在于解决现有技术中药物表征适应性差、不可学习，训练开销巨大的问题。主要方案包括1药物分子SMILES数据集的收集；2药物分子SMILES数据增强；3药物分子SMILES分词；4词元嵌入初始化；5设计卷积神经网络模型；6药物分子指纹特征生成；7预训练卷积神经网络模型；8经过迭代计算，导出预训练模型；9将分子输入表征模型得到静态分子表征，或共同训练动态表征以适应下游任务。本发明用于计算机辅助药物设计中药物表征及药物筛选属性预测。

本发明授权一种基于深度学习的药物表征方法及存储介质在权利要求书中公布了：1.一种基于深度学习的药物表征方法，其特征在于，包括如下步骤： 步骤1：获取ChEMBL数据库中提供的药物分子规范SMILES和药物编号构建数据集，其中随机选取80%药物作为训练集，10%做为验证集，10%作为测试集； 步骤2：使用Rdkit工具包读取药物分子，并随机生成5个药物分子SMILES,得到数据增强后的随机药物分子SMILES； 步骤3：构建一个SMILES分词器对药物分子SMILES进行分词，得到词元化后的药物分子SMILES列表； 步骤4：将步骤3得到的药物分子SMILES列表进行OneHot编码后使用Word2Vec模型得到词元的嵌入向量； 步骤5：构建基于卷积神经网络的深度学习模型，得到卷积神经网络模型，卷积神经网络模型接收词元化后的药物分子SMILES列表对应的嵌入向量矩阵作为输入，输出分子特征向量； 步骤6：计算每一个药物分子的扩展连接指纹； 步骤7：使用扩展连接指纹作为标签监督训练卷积神经网络模型； 步骤8：保存卷积神经网络模型除输出层外的所有权重和偏置参数，导出预训练模型； 步骤9：将药物分子SMILES输入预训练模型得到静态药物表征，或共同训练动态药物表征以适应下游任务； 所述步骤7的具体步骤为： 将步骤5的卷积神经网络模型输出向量长度设置为1024，即扩展连接指纹的长度；将卷积神经网络模型的最后输出作为分子特征向量，扩展连接指纹作为监督标签，通过Cosine距离来计算两者的差异，计算公式为： 其中表示扩展连接指纹和模型输出分子特征向量之间的差异，表示1024位的 扩展连接指纹，表示模型的输出； 使用随机梯度下降法优化卷积神经网络模型参数，使扩展连接指纹和模型输出特征向量之间的差异逐步减小，直到其差异不再变化即模型训练完成； 所述步骤9的具体步骤为： 若需要直接得到药物表征，则将药物分子SMILES输入预训练模型，即可得到相应的分子表征，此时分子表征向量长度为定长1024位； 若需要将药物表征用于后续计算机辅助药物设计任务，则需要在已有分子表征模型后接一个前馈全连接神经网络进行特征变换，将1024位的药物表征向量变换到需要的维度，再联合后续任务的标签进行联合学习训练。

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四川大学，其通讯地址为：610065 四川省成都市武侯区一环路南一段24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。