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！

龙图腾网获悉苏州科技大学申请的专利一种基于强化学习的DTI预测方法、系统、存储介质和装置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：CN117012303B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202310745802.4，技术领域涉及：G16C20/50；该发明授权一种基于强化学习的DTI预测方法、系统、存储介质和装置是由傅启明;高洁;陈建平;王蕴哲;陆悠设计研发完成，并于2023-06-25向国家知识产权局提交的专利申请。

本一种基于强化学习的DTI预测方法、系统、存储介质和装置在说明书摘要公布了：本发明涉及一种基于强化学习的DTI预测方法、系统、存储介质和装置。主要包括S100、建立药物‑靶标相互作用矩阵Ytrain,建立药物化合物的化学结构相似度矩阵：SIMstrdrug，SIMcosdrug,SIMJacdrug，建立靶标相似度矩阵：SIMstrtar，SIMcostar,SIMJactar，S200、通过Q‑learning算法对SIMstrdrug、SIMcosdrug和SIMJacdrug进行融合操作以及对SIMstrtar、SIMcostar和SIMJactar进行融合操作，获得SIMdrug矩阵和SIMtar矩阵，S300、将SIMdrug矩阵、药物‑靶标相互作用矩阵Ytrain和SIMtar矩阵分别输入到n个模型中训练，n大于等于2，分别获得n个预测分数矩阵，对n个预测分数矩阵初始化权重值，使用Q‑learning算法对各个权重值进行优化，得出最佳权重值，基于最佳权重值对n个预测分数矩阵进行线性加权，获得最终的预测分数矩阵F。本申请的方法预测精度较高。

本发明授权一种基于强化学习的DTI预测方法、系统、存储介质和装置在权利要求书中公布了：1.一种基于强化学习的DTI预测方法，其特征在于，包括： S100、建立药物-靶标相互作用矩阵Ytrain，建立药物化合物的化学结构相似度矩阵：SIMstrdrug，SIMcosdrug，SIMJacdrug，建立靶标相似度矩阵：SIMstrtar，SIMcostar，SIMJactar， 分别通过Tanimoto系数、余弦相似度和Jaccard相似度系数来计算两个药物化合物di和dj之间的化学结构相似性，进而建立药物化合物的化学结构相似度矩阵：SIMstrdrug，SIMcosdrug，SIMJacdrug， 分别使用归一化的Smith-Waterman得分、余弦相似度和Jaccard相似度系数计算蛋白质ti和tj之间的序列相似性，进而建立靶标相似度矩阵：SIMstrtar，SIMcostar，SIMJactar， S200、通过Q-learning算法对SIMstrdrug、SIMcosdrug和SIMJacdrug进行融合操作以及对SIMstrtar、SIMcostar和SIMJactar进行融合操作，获得SIMdrug矩阵和SIMtar矩阵，具体包括： 将Ytrain矩阵、药物化合物的化学结构相似度矩阵SIMstrdrug、SIMcosdrug和SIMJacdrug，以及靶标相似度矩阵SIMstrtar、SIMcostar和SIMJactar输入到NRLMF模型中，对物化合物的化学结构相似度矩阵SIMstrdrug、SIMcosdrug和SIMJacdrug，以及靶标相似度矩阵SIMstrtar、SIMcostar和SIMJactar分别赋予初始权重值，通过Q-learning算法不断对权重值进行优化，最后得到最佳权重值，基于最佳权重值对SIMstrdrug、SIMcosdrug和SIMJacdrug进行线性加权操作得到最终融合的SIMdrug矩阵，基于最佳权重值对SIMstrtar、SIMcostar和SIMJactar进行线性加权操作得到SIMtar矩阵， S300、将SIMdrug矩阵、药物-靶标相互作用矩阵Ytrain和SIMtar矩阵分别输入到n个模型中训练，n大于等于2，分别获得n个预测分数矩阵，对n个预测分数矩阵初始化权重值，使用Q-learning算法对各个权重值进行优化，得出最佳权重值，基于最佳权重值对n个预测分数矩阵进行线性加权，获得最终的预测分数矩阵F。

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苏州科技大学，其通讯地址为：215000 江苏省苏州市学府路99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”。