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！

龙图腾网获悉大连海事大学申请的专利基于几何表征的药物靶点相互作用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：CN119724331B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411831800.8，技术领域涉及：G16B15/30；该发明授权基于几何表征的药物靶点相互作用预测方法是由宁乔;乔少航设计研发完成，并于2024-12-12向国家知识产权局提交的专利申请。

本基于几何表征的药物靶点相互作用预测方法在说明书摘要公布了：本发明提供了一种基于几何表征的药物靶点相互作用方法，包括：使用几何增强图神经网络GeoGNN从药物结构图中获取药物结构特征；使用几何编码器从靶点结构图中获取靶点结构特征；将药物综合相似性、靶点综合相似性和药物靶点关联矩阵相结合构成异构网络，利用图神经网络GCN对异构网络进行特征提取，得到药物网络特征和靶点网络特征；将药物结构特征和药物网络特征、靶点结构特征和靶点网络特征分别进行多模态特征融合；从融合后的药物多模态特征和融合后的靶点多模态特征中提取药物和靶点之间的交互信息；基于交互信息，得到更好的药物和靶点的特征，通过分类器预测药物和靶点之间的相互作用概率。本发明提高了药物靶点相互作用预测准确度。

本发明授权基于几何表征的药物靶点相互作用预测方法在权利要求书中公布了：1.一种基于几何表征的药物靶点相互作用方法，其特征在于，所述方法包括： 从药物的SMILES序列中获取药物结构图和药物指纹；药物结构图包括原子-原子图、键-键图，其中，原子-原子图是将药物中的原子视为节点，共价键视为边，键-键图是将共价键视为节点，共价键之间的角度视为边；使用几何增强图神经网络GeoGNN从所述药物结构图中获取药物结构特征，包括：使用GeoGNN从原子-原子图、键-键图中提取药物结构特征，从而纳入药物的原子-键-角几何关系； 从靶点的Fasta序列中获取靶点结构图；使用几何编码器从靶点结构图中获取靶点结构特征； 分别计算药物的药物指纹相似性和靶点的靶点序列相似性； 通过药物靶点关联矩阵得到药物高斯相似性和靶点高斯相似性； 将所述药物指纹相似性和所述药物高斯相似性进行相似性融合，得到药物综合相似性，包括：将药物指纹相似性和药物高斯相似性进行归一化； 利用K最近邻算法评估药物指纹相似性矩阵和药物高斯相似性矩阵中药物间的局部亲和力，并筛选出前10%的局部亲和力，将其他的设为零；不断迭代这个过程，直到满足特定的停止条件； 迭代结束后，将药物指纹相似性矩阵和药物高斯相似性矩阵相加并计算它们的平均值； 将平均值矩阵与其转置矩阵相加，并再次计算平均值，得到药物综合相似性矩阵； 将所述靶点序列相似性和所述靶点高斯相似性进行相似性融合，得到靶点综合相似性，包括： 将靶点序列相似性和靶点高斯相似性进行归一化； 利用K最近邻算法评估靶点序列相似性矩阵和靶点高斯相似性矩阵中靶点间的局部亲和力，并筛选出前10%的局部亲和力，将其他的设为零；不断迭代这个过程，直到满足特定的停止条件； 迭代结束后，将靶点序列相似性矩阵和靶点高斯相似性矩阵相加并计算它们的平均值； 将平均值矩阵与其转置矩阵相加，并再次计算平均值，得到靶点综合相似性矩阵； 将所述靶点序列相似性和所述靶点高斯相似性进行相似性融合，得到靶点综合相似性； 将所述药物综合相似性、所述靶点综合相似性和所述药物靶点关联矩阵相结合构成异构网络，利用图神经网络GCN对所述异构网络进行特征提取，得到药物网络特征和靶点网络特征； 将所述药物结构特征和所述药物网络特征进行药物多模态特征融合，包括：将药物网络特征和药物结构特征拼接起来，应用三个线性变换得到查询矩阵、键矩阵和值矩阵，使用查询矩阵和键矩阵计算注意力权重，包括网络特征和网络特征之间的相关性、网络特征和结构特征之间的相关性、结构特征和网络特征之间的相关性以及结构特征和结构特征之间的相关性；注意力权重用于对值矩阵中的元素进行加权得到药物的融合特征； 将所述靶点结构特征和所述靶点网络特征进行靶点多模态特征融合，包括：将靶点网络特征和靶点结构特征拼接起来，应用三个线性变换得到查询矩阵、键矩阵和值矩阵，使用查询矩阵和键矩阵计算注意力权重，包括网络特征和网络特征之间的相关性、网络特征和结构特征之间的相关性、结构特征和网络特征之间的相关性以及结构特征和结构特征之间的相关性；注意力权重用于对值矩阵中的元素进行加权得到靶点的融合特征； 从融合后的药物多模态特征和融合后的靶点多模态特征中提取药物和靶点之间的交互信息，包括： 对于药物，使用药物特征获取查询矩阵，使用靶点特征获取键矩阵和值矩阵，通过查询矩阵和键矩阵得到注意力权重，最后，注意力权重用于对值矩阵中的元素进行加权，从而在靶点特征的帮助下更新药物特征； 对于靶点，使用靶点特征获取查询矩阵，使用药物特征获取键矩阵和值矩阵，通过查询矩阵和键矩阵得到注意力权重，最后，注意力权重用于对值矩阵中的元素进行加权，从而在药物特征的帮助下更新靶点特征； 基于提取出的药物和靶点之间的交互信息，得到更新的药物和靶点的特征，通过分类器预测药物和靶点之间的相互作用概率。

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大连海事大学，其通讯地址为：116026 辽宁省大连市甘井子区凌水街道凌海路1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”。

以上内容由龙图腾AI智能生成。