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！

龙图腾网获悉大理大学申请的专利一种基于深度学习框架的药物靶点识别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：CN119541688B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202411593541.X，技术领域涉及：G16C20/30；该发明授权一种基于深度学习框架的药物靶点识别方法是由曾新;苏光鹏;李毅设计研发完成，并于2024-11-08向国家知识产权局提交的专利申请。

本一种基于深度学习框架的药物靶点识别方法在说明书摘要公布了：本发明涉及计算机生物信息技术领域，公开了一种基于深度学习框架的药物靶点识别方法，包括以下步骤：S1：获取药物‑靶标相互作用Chemogenomic‑Model数据集；S2：获取靶标的结构文件，通过靶标的结构文件得到靶标的结构特征表示以及边特征表示；S3：获取药物、靶标的序列标签编码特征表示、图结构特征表示和物理化学特征表示；S4：将药物的序列标签编码特征表示送入一个三层的多尺度卷积神经网络中，每层的步长为1，填充为0，卷积核的大小分别为3x3、5x5和7x7。本发明通过使用的基准数据集仅为对比的先进方法所使用的基准数据集的三分之一，但在相同的靶标识别测试数据集上，MM‑IDTarget在所有的Top‑K评估指标上展现出接近或优于对比的先进方法的性能。

本发明授权一种基于深度学习框架的药物靶点识别方法在权利要求书中公布了：1.一种基于深度学习框架的药物靶点识别方法，其特征在于，包括以下步骤： S1：获取药物-靶标相互作用Chemogenomic-Model数据集； S2：获取靶标的结构文件，通过靶标的结构文件得到靶标的结构特征表示以及边特征表示； S3：获取药物、靶标的序列标签编码特征表示、图结构特征表示和物理化学特征表示； S4：将药物的序列标签编码特征表示送入一个三层的多尺度卷积神经网络中，每层的步长为1，填充为0，卷积核的大小分别为3x3、5x5和7x7，每个卷积层后均接有一个归一化处理操作，获取药物在多尺度卷积神经网络的三层特征，将它们进行拼接并通过线性变换生成序列标签编码特征； S5：将药物图结构特征表示送入三层的图转换器框架中提取药物的结构模态特征，图转换器每层的heads为8，每个隐藏层的神经元个数为128，每个隐藏层后均接有归一化处理操作，并在最后连接最大池化操作； S6：将靶标图结构特征表示送入ResidualEW-GCN图卷积网络中，ResidualEW-GCN内含三个GCN层和一个全连接网络，首先将靶标图特征表示分别输入第一层GCN和全连接层，其次把得到的第一层GCN输出特征和全连接网络的输出特征拼接，然后将拼接的特征依次过第二层以及第三层GCN得到带有残差的特征，最后并对其进行L2归一化操作； S7：采用交叉注意力融合药物的序列标签编码特征表示和图结构特征表示，然后融合药物和靶标的融合特征表示得到药物-靶标交叉注意力融合特征表示； S8：将得到药物-靶标交叉注意力融合特征表示与药物物理化学特征表示拼接后，作为药物-靶标交互的全面特征送入全连接层预测药物-靶标交互作用； S9：比对真实标签与预测结果，以最小化交叉熵损失函数更新网络参数，直至达到最大迭代次数，训练结束，获得训练好的MM-IDTarget模型； S10：对于训练好的MM-IDTarget模型，采用的是基于Top-K的recall来评估模型药物靶标识别的性能； S11：比对真实标签与预测结果，最小化交叉熵损失函数。

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理大学，其通讯地址为：671003 云南省大理白族自治州大理市大理古城弘圣路2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。