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！

龙图腾网获悉浙江大学申请的专利基于三元比较专业知识决策的药物-靶标相互作用机制预测方法和系统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：CN119446335B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411416119.7，技术领域涉及：G16C20/50；该发明授权基于三元比较专业知识决策的药物-靶标相互作用机制预测方法和系统是由宋明黎;贾凌翔;冯尊磊;姚少伦设计研发完成，并于2024-10-11向国家知识产权局提交的专利申请。

本基于三元比较专业知识决策的药物-靶标相互作用机制预测方法和系统在说明书摘要公布了：基于三元比较专业知识决策的药物‑靶标相互作用机制预测方法和系统，其方法包括：首先，对初始药物靶标作用机制数据进行预处理，得到药物分子、靶标蛋白的完整信息并筛选头部类和尾部类；然后，将原始的多分类长尾问题分解为多个简单的子任务，每个子任务包含两个原始类别及设计的通用类别提出一训练策略，使用两个不同的编码器分别对药物分子和靶标蛋白进行编码，得到各自的嵌入向量；采用多个线性层构建预测模型，将得到的药物及蛋白质嵌入向量作为预测模型的输入，对于预测类别概率分数使用交叉熵分类损失函数进行自适应学习率优化算法优化模型参数，提出基于类别平衡的决策投票模块；最后通过训练得到药物‑靶标相互作用机制预测模型，用该模型对真实场景下药物‑靶标对进行相互作用机制预测任务。本发明能有效地解决呈现长尾分布的药物靶标作用机制预测问题。

本发明授权基于三元比较专业知识决策的药物-靶标相互作用机制预测方法和系统在权利要求书中公布了：1.基于三元比较专业知识决策的药物‑靶标相互作用机制预测方法，包含如下步骤： S1.对药物‑靶标作用机制数据集做预处理：基于已有的药物‑靶标相互作用数据集，收集整理与激动、拮抗的多种作用机制相关的样本；在检索所有符合条件的样本后，对原始数据进行预处理； S2.训练基于三元比较的专业知识模型；具体包括： S21：子任务数据划分：原始的药物靶标机制预测任务被标记为一个具有个类别的多分类任务；每个子任务旨在对仅两个类别进行分类，从而产生了总共个子任务；每个子任务由一个特定的专业知识模型进行训练，以提取与相应两个类别的知识；为了确保专业知识模型预测的准确性，引入了一个额外的类别，用于表示那些不属于选定两个类别的样本；因此，从整体数据集中分别提取与两个类别相关的样本以及属于类别的样本，以实现基于三元比较的预测任务；最终，该子任务的训练数据集即为上述三个数据集的组合； S22：专业知识模型训练：专业知识模型负责执行简单的三元比较任务，以确定药物靶标对的机制属于1类、2类或是类；每个专业知识模型基于经典的编码器‑解码器架构；编码器模块包括两个编码器，分别处理药物分子和靶标蛋白，从而得到药物和蛋白质的表示向量：1药物分子被表示成一个分子图，然后采用朴素GCN模型来迭代更新其初始的生化特征表征；具体而言，第层的节点嵌入更新为： ,1其中是第层的可训练权重；是分子图的邻接矩阵；代表非线性激活层；在经过次迭代计算之后得到最终的节点嵌入向量，最后应用一个全局池化层获得整个药物分子图的表征； 2靶标蛋白被表示成一个不等长的氨基酸序列，然后采用1D CNN模型来迭代更新其初始的生化特征表征；第层的节点嵌入更新为： ,2其中分别代表第层的输入通道数、输出通道数以及卷积核大小；代表非线性激活层；在经过次迭代计算之后得到最终的蛋白质表征； 解码器模块将来自编码器的药物和蛋白相组合的表示向量作为输入，采用多个线性层来得到3维输出，每一维分别代表1类、2类或是类，经过Softmax非线性层得到节点的概率分数；对于类别概率分数的预测使用交叉熵分类损失函数进行优化，具体公式如下： 3其中是样本的真实标签，如果该样本间相互作用为1类则值为0；如果相互作用为2类则值为1；如果该样本间相互作用既不属于1类也不属于2类，则值为‑1； S3.基于类别平衡决策投票：在从所有专业知识模型获得子任务的预测标签后，采用一种基于类别平衡的决策投票策略，以有效地整合各个专业知识模型的预测结果；具体包括： 从专业模型获得了个初始预测结果，其定义如下： ,4其中代表着第和类的三元比较任务的输出，且；接下来，基于三种可能的输出，更新个类别的最终投票向量如下：1如果为0，表示类别是输出标签，奖励将分配给类别的投票得分，表示为；2如果为1，表示类别是输出标签，奖励将分配给类别的投票得分，表示为；3如果为‑1，表示类别是输出标签，惩罚将分配给和； 最后，在遍历所有专业模型的初始预测后，对所有类别的投票得分进行统计；由于类别之间存在不平衡，采用了基于样本数量的类别平衡权重向量来计算最终得分，并选择投票次数最多的类别作为最终的预测结果； S4.实现药物‑靶标相互作用机制预测任务。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。