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！

龙图腾网获悉天津大学申请的专利一种药物-疾病关联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：CN116168849B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202310209456.8，技术领域涉及：G16H70/40；该发明授权一种药物-疾病关联预测方法是由罗韬;刘思凯设计研发完成，并于2023-03-07向国家知识产权局提交的专利申请。

本一种药物-疾病关联预测方法在说明书摘要公布了：本发明涉及一种药物‑疾病关联预测方法，包括下列步骤：步骤一，提取药物‑疾病关联的邻域子图：以药物‑疾病关联网络中的药物和疾病为节点，药物和疾病间的关系为边创建二部图，并构建关联网络的邻接矩阵；提取相关药物节点和疾病节点的h‑hop邻域；将药物节点和疾病节点的h‑hop邻域合并为药物‑疾病关联的h‑hop邻域子图；提取每条关联对应的邻域子图作为模型训练的正样本，同时随机选择相同数量的没有关联的药物‑疾病对生成负样本测试数据，并划分训练集和测试集；步骤二，构建邻域子图的初始节点特征；步骤三，图神经网络的学习。

本发明授权一种药物-疾病关联预测方法在权利要求书中公布了：1.一种药物-疾病关联预测方法，包括下列步骤： 步骤一，提取药物-疾病关联的邻域子图 1以药物-疾病关联网络中的药物和疾病为节点，药物和疾病间的关系为边创建二部图，并构建关联网络的邻接矩阵； 2提取相关药物节点和疾病节点的h-hop邻域； 3将药物节点和疾病节点的h-hop邻域合并为药物-疾病关联的h-hop邻域子图； 4提取每条关联对应的邻域子图作为模型训练的正样本，同时随机选择相同数量的没有关联的药物-疾病对生成负样本测试数据； 步骤二，构建邻域子图的初始节点特征 1为提取的领域子图中的每个节点赋予整数标签，并区分中心节点和其他节点； 2对于中心节点附上1的标签，代表药物和疾病，对于其他节点，使用基于双半径节点标签DRN的方法为节点附上标签； 3为每个节点分配好标签后，构建邻域子图的初始节点特征； 步骤三，图神经网络的学习 1对于药物节点u和疾病节点v把分配好初始节点特征的邻域子图Ghu,v通过多个图卷积层，提取子图中每个节点的表示hi，对于每个节点i表示如下： 其中，Wk代表某一层的可训练权重矩阵，Ni表示节点i的邻居节点集合，σ·代表激活函数，hk是第k层的激活向量，h0＝x0，x0代表初始节点特征； 2将邻域子图Ghu,v中每个节点的节点表示进行图聚合，得到邻域子图的表示hG，如下所示： hG＝f{hi:i∈Nhu∪Nhv} 式中，f表示连接聚合函数，hi是每个节点的表示，Nhu和Nhv表示药物u和疾病v的h-hop邻域； 3得到的邻域子图的表示输入多层感知器MLP，并输出预测概率来预测药物与疾病的关联，表示如下： yi,j＝wTσWhG 其中，yi,j∈0,1表示关联存在的概率，其中，w和W是MLP的参数，将邻域子图hG的表示映射为预测概率； 4使用梯度下降算法迭代优化，在每轮迭代中，使用标签信息和加权的二元交叉熵损失函数计算神经网络的损失并按照损失使用梯度下降更新神经网络参数。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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。