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！

龙图腾网获悉烟台大学申请的专利一种深度强化学习驱动的多肽药物分子生成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：CN120748493B 。

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：202511240425.4，技术领域涉及：G16B30/00；该发明授权一种深度强化学习驱动的多肽药物分子生成方法是由王茜;童向荣;丁宸昊;胡晓桐设计研发完成，并于2025-09-02向国家知识产权局提交的专利申请。

本一种深度强化学习驱动的多肽药物分子生成方法在说明书摘要公布了：本发明公开了一种深度强化学习驱动的多肽药物分子生成方法，属于生物信息学技术领域，包括如下步骤：S1：基于图预训练的多肽的氨基酸序列表征、S2：融合活性与ADMET属性的多成药目标优化、S3：基于Actor‑critic强化学习的分子生成过程。采用本发明的多肽药物分子生成方法，使得多肽药物的开发更加稳定可靠。

本发明授权一种深度强化学习驱动的多肽药物分子生成方法在权利要求书中公布了：1.一种深度强化学习驱动的多肽药物分子生成方法，其特征在于：所述多肽药物分子生成方法包括如下步骤： S1：基于图预训练的多肽的氨基酸序列表征：融合氨基酸的一维和氨基酸的二维特征，通过整合分子的序列信息与拓扑结构信息，构建具有多模态表征能力的图神经网络输入特征； S2：融合活性与ADMET属性的多成药目标优化：在强化学习奖励机制中加入对生成分子的ADMET评估和活性预测；所述奖励机制主要用于对生成性模型生成的分子进行优化，从而得到成药性高的分子，所述活性预测是通过大规模分子对接获得对接得分，然后将其输入感知机分类器进行生物活性预测； S3：基于Actor-critic强化学习的分子生成过程：Actor网络包括图注意力网络和深度神经网络，通过将多肽分子的全局特征表示与DNN网络进行连接和分类，对改变每个片段以及改变成何种形式的概率分布进行估计，确定最优动作，进一步通过计算离散型概率函数并对其进行梯度计算，使得其在学习过程中更加精准的调整策略，以达到优化目标；所述强化学习的框架中的Actor每产生一个有效的多肽分子就会得到奖励，通过强化学习奖励机制的不断反馈修正，迭代优化集合中有效的活性分子占比，并且进行实时反馈循环的Actor-critic强化学习，实现成药目标间的动态平衡，对整体强化学习过程进行优化。

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烟台大学，其通讯地址为：264003 山东省烟台市莱山区清泉路30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。