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！

龙图腾网获悉安徽大学申请的专利一种基于深度学习的辅助筛选抗癌药物组合协同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：CN119889505B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202411689563.6，技术领域涉及：G16C20/30；该发明授权一种基于深度学习的辅助筛选抗癌药物组合协同预测方法是由苏延森;郑龙;李垒;李海涛;郑春厚设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本一种基于深度学习的辅助筛选抗癌药物组合协同预测方法在说明书摘要公布了：本发明公开了一种基于深度学习的辅助筛选抗癌药物组合协同预测方法，采用TIAM模型，TIAM模型进一步考虑了三元关系，TIAM使用三个输入计算出一个三维注意力张量Attention3d来表示药物‑药物‑细胞系之间的三元关系，因此在TIAM中有两个Query，即Query1，Query2，Key，Value。TIAM要求三个输入，分别是药物a，药物b，细胞系c，分别用Xa、Xb和Xc表示，经过TIAM的处理输出后得到X′a、X′b和X′c。本发明采用三元注意力机制实现了药物‑药物‑细胞系的特征提取，相比现有的技术更加准确，有关联性。

本发明授权一种基于深度学习的辅助筛选抗癌药物组合协同预测方法在权利要求书中公布了：1.一种基于深度学习的辅助筛选抗癌药物组合协同预测方法，其特征在于，包括如下步骤： S1、药物子结构特征提取，得到药物的向量； S2、细胞系多组学特征提取，得到细胞系的向量； S3、药物a的输入特征为Xa，药物b的输入特征为Xb，细胞系c的输入特征为Xc，将Xa、Xb、Xc输入到TIAM模型，TIAM模型处理输出后得到X″a，X″b和X″c，TIAM模型使用三个输入计算出一个三维注意力张量Attention3d来表示药物-药物-细胞系之间的三元关系； S4：将输出的X″a，X″b和X″c作为预测模块的输入得出输出； 步骤S3中，QueryMatrix基于药物a和药物b的特征Xa和Xb生成，KeyMatrix和ValueMatrix基于细胞系特征Xc生成，如下列公式所示： Qa＝XaWQ11 Qb＝XbWQ22 Kc＝XcWK3 Vc＝XcWV4 其中，WQ1，WQ2，WK，WV是深度学习模型中可自动学习的参数；Qa，Qb，Kc和Vc分别是Querya，Queryb，Key和Value；和其中I，J，M是特征提取模块提取药物a，药物b，细胞系c的特征维度；K是隐藏层维度；然后采用爱因斯坦求和约定einsum进行计算： Attention3d＝einsum'ik,jk,mk→ijm',Qa,Qb,Kc5 其中：张量而'ik,jk,mk→ijm'是公式5的计算规则，其中i,j,m是自由索引，而k是求和索引，表示结果Attention3d的每个元素是需要在维度k上求和得到的： 其中：aik代表药物a特征矩阵的第i行第k列特征值，bjk代表药物b特征矩阵的第j行第k列特征值，cmk代表细胞系c矩阵的第m行第k列特征值，为这些特征值乘积之和，初步表示了药物a的第i个特征和药物b的第j个特征对细胞系第m个特征的关注程度； 为了得到药物a和药物b对细胞系c不同特征的注意力分数，在张量Attention3d前两个维度采用全局平均池化操作，得到向量Attentionab2c： 其中，I和J分别代表药物a和药物b的特征个数；∑代表求和操作，Softmax是softmax激活函数； 最后使用Attentionab2c与Vc进行加权操作，得到调整了特征之后的X'c， X'c＝Attentionab2c⊙Vc8 其中⊙代表哈德马积；TIAM模型处理输出后得到X″c： X″c＝X'c+Xc27； QueryMatrix基于药物b和细胞系c的特征Xb和Xc生成，KeyMatrix和ValueMatrix基于药物a特征Xa生成，如下列公式所示： Qb＝XbWQ19 Qc＝XcWQ210 Ka＝XaWK11 Va＝XaWV12 其中，WQ1，WQ2，WK，WV是深度学习模型中可自动学习的参数；Qb，Qc，Ka和Va分别是Query1，Query2，Key和Value； Attention3d＝einsum'jk,mk,ik→jmi',Qb,Qc,Ka13 其中：三维注意力张量J,M,I是药物b，细胞系c，药物a的特征维度；而'ijk,mk,ik→jmi'是公式13的计算规则，具体可以形式化可得： 计算出药物b和细胞系c对药物a不同特征的注意分数： 最后使用Attentionbc2a与Va进行加权操作，得到调整了特征之后的Xa： X'a＝Attentionbc2a⊙Va16 其中：⊙代表哈德马积；TIAM模型处理输出后得到X″a： X″a＝X'a+Xa25； QueryMatrix基于药物a和细胞系c的特征Xa和Xc生成，KeyMatrix和ValueMatrix基于药物b、Xb生成，如下列公式所示： Qa＝XaWQ117 Qc＝XcWQ218 Kb＝XbWK19 Vb＝XbWV20 其中，WQ1，WQ2，WK，WV是深度学习模型中可自动学习的参数；Qa，Qc，Kb和Vb分别是Query1，Query2，Key和Value；三维注意力张量Attention3d为： Attention3d＝einsum'ik,mk,jk→imj',Qa,Qc,Kb21 其中：三维注意力张量I,M,J是药物a，细胞系c，药物b的特征维度，而'ik,mk,jk→imj'是公式21的计算规则，具体计算方式可以形式化如下： 计算出药物b和细胞系c对药物a不同特征的注意分数： 最后使用Attentionac2b与Vb进行加权操作，得到调整了特征之后的X′b： X′b＝Attentionac2b⊙Vb24 其中：⊙代表哈德马积，TIAM模型处理输出后得到X″b： X″b＝X′b+Xb26。

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安徽大学，其通讯地址为：230031 安徽省合肥市经济技术开发区九龙路111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。