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一种化学品对DNA促旋酶A亚基的抑制活性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：CN119851809B 。

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：202510047498.5，技术领域涉及：G16C20/30；该发明授权一种化学品对DNA促旋酶A亚基的抑制活性预测方法是由王玮;张聆镜设计研发完成，并于2025-01-13向国家知识产权局提交的专利申请。

本一种化学品对DNA促旋酶A亚基的抑制活性预测方法在说明书摘要公布了：本发明公开了一种化学品对DNA促旋酶A亚基的抑制活性预测方法，该方法包括：从公共数据库获取化学品结构及其对DNA促旋酶A亚基的抑制活性数据，并进行结构清洗与缩放，再将获得的已知数据分为训练集和测试集；构建以化学品SMILES码为输入的图神经网络模型；使用训练集通过交叉验证确定图神经网络模型的最优超参数，以获得最优的抑制活性预测模型；利用抑制活性预测模型获取待评价化学品对DNA促旋酶A亚基的抑制活性数据缩放值的预测值。本发明仅输入化合物分子结构即可预测环境化学品能对DNA促旋酶A亚基的抑制作用，实现污染物可能诱导细菌喹诺酮耐药性的分子起始事件的快速筛查，具有广阔的应用前景。

本发明授权一种化学品对DNA促旋酶A亚基的抑制活性预测方法在权利要求书中公布了：1.一种化学品对DNA促旋酶A亚基的抑制活性预测方法，其特征在于，包括以下步骤： S1、获取化学品结构和化学品对DNA促旋酶A亚基的抑制活性数据，并对化学品结构进行结构清洗操作，对抑制活性数据进行缩放操作，以构建数据集，并按比例将其随机划分为训练集和测试集； S2、构建以化学品SMILES码为输入的图神经网络模型，其输出为化学品对DNA促旋酶A亚基的抑制活性数据缩放值的预测值；所述图神经网络模型包括分子图嵌入层、分子碎片图嵌入层、多个分子图神经网络编码器、多个分子碎片图神经网络编码器、双通路结合器和预测器，其中，所述分子图神经网络编码器和分子碎片图神经网络编码器均由邻域注意力模块、信息聚合模块、门控机制更新节点特征模块和特征注意力模块组成，所述特征注意力模块包括最大池化层、加和池化层、多层感知机全局池化层和激活函数；所述双通路结合器选用图卷积注意力层，所述图卷积注意力层包括多个注意力头和ReLU激活函数；所述预测器包括层全连接层； 所述分子图嵌入层通过使用RDKit根据化学品SMILES码计算得到化学品的分子图，以从分子图中提取分子图特征；其中，所述分子图特征包括的原子特征矩阵、长度为b的邻接矩阵和的化学键特征矩阵，其中为化学品中原子的数量，b为化学品中化学键的数量的2倍，为原子特征的数量，为化学键特征的数量，邻接矩阵用于表示分子图中的成键原子对的原子序号； 所述分子碎片图嵌入层通过使用RDKit根据化学品SMILES码计算得到化学品的分子图，基于BRICS原则从分子图中提取分子碎片特征；其中，所述分子碎片特征包括的原子特征矩阵、长度为的分子碎片邻接矩阵、的分子碎片的化学键特征矩阵和长度为的分子片段索引列表，其中为分子打碎成分子碎片后剩余化学键的数量的2倍，分子片段索引列表用于表示化学品中每个原子所在的分子碎片的索引； 将从分子图嵌入层和分子碎片图嵌入层提取到的各类分子图特征和分子碎片特征首先经过特征转换后变为长度为的特征向量，然后将各类特征向量分别输入至分子图神经网络编码器和分子碎片图神经网络编码器中，分别获得分子图特征序列和分子碎片特征序列，其中的长度与隐藏层的大小相同；其中，在分子图神经网络编码器和分子碎片图神经网络编码器中，分子图神经网络编码器和分子碎片图神经网络编码器通过各自的邻域注意力模块和信息聚合模块对分子图和分子碎片图的节点特征进行更新，然后通过门控机制更新节点特征模块在保留原始信息和使用新信息之间进行平衡，在特征注意力模块中再通过最大池化层和加和池化层提取分子图的全局特征，利用多层感知机生成注意力权重，对节点的特征进行加权调整，最终通过全局池化层和激活函数将所有节点的特征聚合为一个全局特征向量，从而得到分子图特征序列和分子碎片特征序列； 将分子图特征序列和分子碎片特征序列输入至双通路结合器中，双通路结合器使用图卷积注意力层通过学习分子图特征序列和分子碎片特征序列的相互关系，具体通过采用个注意力头独立计算不同分子碎片的注意力权重，并通过ReLU激活函数进行非线性转换得到分子‑分子碎片交互特征序列； 随后将分子‑分子碎片交互特征序列和分子图神经网络编码器输出的分子图特征序列进行拼接操作后输入预测器，经过层全连接层后，输出化学品对DNA促旋酶A亚基的抑制活性数据缩放值的预测值； S3、使用交叉验证确定图神经网络模型的最优超参数，并使用训练集对其进行训练，以获取训练好的最优的图神经网络模型，将其作为抑制活性预测模型，用于预测化学品对DNA促旋酶A亚基的抑制活性数据缩放值； S4、将测试集中待测试的化学品SMILES码或待评价化学品的SMILES码输入至抑制活性预测模型中，得到化学品对DNA促旋酶A亚基的抑制活性数据缩放值的预测值。

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”。