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！

龙图腾网获悉鲁东大学申请的专利一种基于多模态融合的抗体药物偶联物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：CN121281625B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202511852834.X，技术领域涉及：G16B15/30；该发明授权一种基于多模态融合的抗体药物偶联物性质预测方法是由滕帅;周树森;臧睦君;刘通;柳婵娟;王庆军设计研发完成，并于2025-12-10向国家知识产权局提交的专利申请。

本一种基于多模态融合的抗体药物偶联物性质预测方法在说明书摘要公布了：本发明提出一种基于多模态融合的抗体药物偶联物性质预测方法，属于生物信息学领域。首先，通过正弦位置编码显式建模序列位置信息；其次，引入双向交叉注意力机制建立轻链与重链交互及抗原与抗体对齐；再次，集成图神经网络依据注意力权重重建邻接关系提取拓扑特征；最后，结合双阶段自适应细化模块实现对齐和精炼两阶段处理，自适应调整各模态特征贡献。同时，通过Mask感知特征提取提升序列鲁棒性，并通过注意力权重实现关键结合位点可解释性解析。本方法可显著提高预测准确率，可广泛应用于癌症靶向治疗及药物设计优化中。

本发明授权一种基于多模态融合的抗体药物偶联物性质预测方法在权利要求书中公布了：1.一种基于多模态融合的抗体药物偶联物性质预测方法，其特征在于，融合序列编码、图神经网络、双向交叉注意力机制及自适应多模态细化技术，抗体药物偶联物简称ADC，双阶段自适应细化简称DAR，包括以下步骤： 步骤1、数据采集与多模态特征提取，从ADC数据集获取毒性载荷和连接子的SMILES序列、重链轻链抗原的ESM-2嵌入向量及DAR特征标量；经过去噪、长度标准化、多模态特征提取对数据进行处理； 步骤2、序列编码与结构特征表示，使用Transformer编码器对毒性载荷与连接子的SMILES序列进行深度表征，同时加入正弦位置编码以保留结构中关键的相对位置信息；具体为，通过TransformerEncoder架构对SMILES序列进行深度编码，并显式建模序列位置信息，采用6层Encoder，每层包含8个独立的注意力头，模型维度=256，前馈网络维度=512；位置编码采用正弦形式，角度函数定义为：，位置编码在第维和第维分别定义为：，，其中：序列位置索引；：编码维度索引；：通道索引；：模型维度；对长度为的序列，构造位置编码矩阵；在Encoder前向传播时，将位置编码与token嵌入相加：，其中为SMILEStoken的嵌入矩阵；在具体实现时，首先为毒性载荷和连接子各自构建独立的词表，将SMILES字符映射为整数token，再通过嵌入层映射到维度；随后根据序列实际长度生成位置索引，查表得到对应的正弦位置编码向量，与嵌入结果逐元素相加后作为TransformerEncoder的输入张量，形状为；Encoder在最后一层输出：编码特征；多头注意力权重，其中为batch大小为32，；当return_attention=True时，同时返回与，后续用于图结构重建；对毒性载荷和连接子SMILES分别调用Encoder，输入包括token序列、mask矩阵与邻接矩阵，并设置return_attention=True，输出对应编码特征与注意力权重； 步骤3、链级向量结构化表示与双向交叉注意力融合，构建抗体轻链与重链之间的双向注意力机制，实现抗体内部特征的融合；进一步构建抗体与抗原序列之间的双向注意力交互，对齐关键残基区域，捕获潜在结合位点与作用区域，使多模态特征在链级实现有效融合； 步骤4、图神经网络拓扑特征提取，基于SMILES编码输出的注意力权重与初始化学键邻接矩阵，对毒性载荷和连接子的分子结构进行拓扑重建；随后采用图卷积网络提取原子级与键级的图结构特征，实现序列特征与图结构特征的联合表达； 步骤5、DAR多模态融合，构建跨模态对齐机制，将序列特征、图特征及链级语义表示映射到统一空间；引入DAR标量对各模态特征进行自适应权重调节，通过门控方式筛选关键模态特征，提升特征表达的稳定性与针对性； 步骤6、特征聚合与分类预测，对有效token进行池化；将DAR细化后的特征与DAR标量拼接，通过全连接层进行二分类预测； 步骤7、模型训练与验证，采用交叉验证策略，以AUC指标评估模型性能。

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鲁东大学，其通讯地址为：264025 山东省烟台市芝罘区红旗中路186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。