太原理工大学李建光获国家专利权
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!
龙图腾网获悉太原理工大学申请的专利基于3D结构与多层次注意力机制的药物靶标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:CN119889426B 。
龙图腾网通过国家知识产权局官网在2025-08-22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:202510036630.2,技术领域涉及:G16B15/30;该发明授权基于3D结构与多层次注意力机制的药物靶标预测方法是由李建光;冯秀芳;董云云;韩其轩;武韬;陈鹏飞;常云青;董树琦;戴以忱设计研发完成,并于2025-01-09向国家知识产权局提交的专利申请。
本基于3D结构与多层次注意力机制的药物靶标预测方法在说明书摘要公布了:本发明提供一种基于3D结构与多层次注意力机制的药物靶标预测方法,属于药物靶标预测技术领域;所要解决的技术问题为:提供一种基于3D结构与多层次注意力机制的药物靶标预测方法;采用的技术方案为:收集有关药物、靶点序列和药物靶蛋白之间的相互作用标签的数据信息,对药物的SMILES字符串特征进行处理和提取;使用卷积神经网络对数值化后的蛋白质氨基酸序列进行学习,经过多层的卷积和池化操作完成靶点在序列上的特征编码,提取靶点序列特征数据;读取PDB文件建模成口袋图,对口袋图进行特征计算,生成最终的蛋白质结构表示编码,通过对PDB文件建模来提取靶点蛋白的结构特征数据;本发明应用于药物靶标预测。
本发明授权基于3D结构与多层次注意力机制的药物靶标预测方法在权利要求书中公布了:1.基于3D结构与多层次注意力机制的药物靶标预测方法,其特征在于:包括如下的预测步骤: 步骤S1:收集有关药物、靶点序列和药物靶蛋白之间的相互作用标签的数据信息,并按照公共数据集中的PDB_ID收集对应靶点PDB文件用于结构特征编码; 步骤S2:对药物的SMILES字符串特征进行处理和提取: 在数据集加载部分利用函数将SMILES字符串转换为分子图,定义药物的原子和键特征,返回包含节点和边特征的图结构; 对返回的图结构进行编码操作,对构建好的图结构通过图卷积网络进行编码,图卷积网络通过聚合邻居节点的特征来更新每个节点的表示,经过调整节点的特征形状将图嵌入特征发送至相应模块; 步骤S3:使用卷积神经网络对数值化后的蛋白质氨基酸序列进行学习,经过多层的卷积和池化操作完成靶点在序列上的特征编码,提取靶点序列特征数据Ps; 步骤S4:读取PDB文件建模成口袋图,对口袋图进行特征计算,生成最终的蛋白质结构表示编码,通过对PDB文件建模来提取靶点蛋白的结构特征数据Pp; 步骤S5:将步骤S3和S4所得到的特征数据分别发送至多层次注意力模块,通过多层次特征融合步骤融合多层的蛋白质特征矩阵,利用交叉注意特征对齐融合后的特征; 步骤S6:对药物靶标的相互作用进行预测,通过步骤S5,充分交互不同层次的药物靶标特征经过最大池化之后得到f作为后续预测的输入,经过全连接层后映射分类概率空间,输出最终的相互作用预测概率p; 步骤S7:将数据输入模型前向传播,定义训练所需的损失函数为交叉熵损失,计算损失函数; 步骤S8:将步骤S7计算出的损失函数反向传播回模型,计算对应的梯度,存储梯度信息用于后续优化; 步骤S9:使用Adam优化器对预测模型进行参数优化,使用优化后的预测模型对药物靶标进行预测。
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太原理工大学,其通讯地址为:030024 山西省太原市迎泽西大街79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”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。