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！

龙图腾网获悉上海交通大学申请的专利基于神经网络的药物分子结构辅助设计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：CN115798632B 。

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：202211475314.8，技术领域涉及：G16C20/50；该发明授权基于神经网络的药物分子结构辅助设计方法是由方一;潘小勇;沈红斌设计研发完成，并于2022-11-23向国家知识产权局提交的专利申请。

本基于神经网络的药物分子结构辅助设计方法在说明书摘要公布了：一种基于神经网络的药物分子结构辅助设计方法，使用多目标强化学习模型批量生成小分子；以数据库中收录的药物分子作为正样本，强化学习模型生成的质量较低的分子作为负样本，构建基准数据集；输入图神经网络模型GIN中训练，得到训练好的分子质量评估QA模型；构建分数库，根据QA模型对新分子的预测分数在分数库中的秩重新定义质量评估得分QAscore；加入QAscore作为多目标强化学习模型的优化目标之一，重新生成分子；将多目标强化学习模型生成的分子反馈到QA模型中重新训练；反复迭代至多目标强化学习模型生成的分子类药性等指标不再有明显的提高。本发明实现多目标的并行优化的同时将强化学习和质量评估图神经网络的有机结合。

本发明授权基于神经网络的药物分子结构辅助设计方法在权利要求书中公布了：1.一种基于神经网络的药物分子结构辅助设计方法，其特征在于，使用多目标强化学习模型批量生成小分子；以数据库中收录的药物分子作为正样本，强化学习模型生成的质量较低的分子作为负样本，构建基准数据集；输入图神经网络模型GIN中训练，得到训练好的分子质量评估QA模型；构建分数库，根据QA模型对新分子的预测分数在分数库中的秩重新定义质量评估得分QAscore；加入QAscore作为多目标强化学习模型的优化目标之一，重新生成分子；将多目标强化学习模型生成的分子反馈到QA模型中重新训练；反复迭代至多目标强化学习模型生成的分子类药性等指标不再有明显的提高，具体包括： 步骤1训练多目标强化学习方法，批量生成分子； 步骤2对生成的分子进行预处理，具体为：对每个分子添加含有元素的官能团，每个分子相应生成10个含有1个随机官能团和2个含有2个随机官能团的扩充分子； 当每个分子相应生成的官能团不足12个时则按其生成的最大数量； 步骤3构建基准数据集，提取原子特征建立分子图，具体包括： 步骤3.1从CHEMBL数据库中下载生物活性分子，随机选择154,000个不重复的分子作为正样本，以步骤2生成的共108,859个扩充分子作为负样本，构建分子质量评估模型的基准数据集； 步骤3.2从基准数据集中生成标签矩阵L；以分子中的原子为节点，键为边建图，生成邻接矩阵A；提取原子的19维的原子种类、2维的原子是否在环上、6维的原子杂化方式、1维的形式电荷和1维的原子度数特征，构造29维节点特征矩阵X；建立分子图G=A,X，其中分子图的节点为除H原子以外的所有原子，分子图的边为连接原子之间的化学键； 步骤4构建并训练分子质量评估模型，具体包括： 步骤4.1构建包括5层GIN层、1个池化层和1个读出层的分子质量评估模型，其中：GIN层由图卷积GCN层、批归一化BN层和激活函数ReLu组成，该分子质量评估模型的输入为分子图G=A,X，输出为整个分子图的嵌入特征，通过Softmax函数后得到分类概率； 步骤4.2训练步骤4.1得到的分子质量评估模型； 步骤5构建分数库，定义分子质量评估得分QAscore；以基准数据集中的分子的预测分数建立分数库，根据待预测分子的预测分数在分数库中的排序定义质量评估分数，其中：x为待预测分子的排序,n和m分别为分数库中正样本和负样本的数目；QAscore数值区间为[0,1]，越接近于1为分子的质量越高； 步骤6加入QAscore作为多目标强化学习模型的奖励，不保留上一轮中强化学习模型的相关参数，重新进行5000个EPISODE的生成； 步骤7再将生成的分子反馈到QA模型中继续训练，反复迭代至生成分子的指标QED和SAscore不再有明显的提高或者模型不再收敛。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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”。