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！

龙图腾网获悉安徽工业大学申请的专利一种基于图神经网络与卷积神经网络的药物反应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：CN119905168B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202411959726.8，技术领域涉及：G16C20/50；该发明授权一种基于图神经网络与卷积神经网络的药物反应预测方法是由王兵;胡伟;卢琨;汪文艳;潘学娟;吴紫恒;赵远设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本一种基于图神经网络与卷积神经网络的药物反应预测方法在说明书摘要公布了：本发明公开了一种基于图神经网络与卷积神经网络的药物反应预测方法，属于药物反应预测技术领域，包括以下步骤：S1：数据预处理；S2：网络构建；S3：网络训练；S4：药物反应预测。本发明采用了卷积神经网络与图神经网络结合的方法，加入了药物分子图数据，引入了药物分子的结构特征，使得最终的回归预测更佳精准；对于来源于序列的药物分子指纹全局特征使用堆叠的一维卷积模块进行特征提取，强化了邻域信息；通过设计的信息交互融合分支，不仅实现了对药物特征与细胞系特征的信息交互，同样实现了药物反应信息与药物smiles序列信息之间的交互，得到的新特征向量提高了模型的预测性能。

本发明授权一种基于图神经网络与卷积神经网络的药物反应预测方法在权利要求书中公布了：1.一种基于图神经网络与卷积神经网络的药物反应预测方法，其特征在于，包括以下步骤： S1：数据预处理 获取药物的smiles序列所需细胞系的基准数据集，并且根据任务需求对药物的smiles序列以及缺失值进行预处理； S2：网络构建 构建药物反应预测网络，药物反应预测网络包括多个输入分支、拼接模块与回归器，各输入分支得到对应的特征向量，通过拼接模块拼接后输入回归器中进行预测工作，其中，输入分支包括两条信息交互融合分支、一条药物分子图提取分支，信息交互融合分支通过多层感知机与二维卷积神经网络进行药物信息自身的交互融合工作以及其与细胞系信息的交互融合工作，药物分子图提取分支通过图同构神经网络进行药物分子图特征向量的提取工作； S3：网络训练 按照设定的比例对预处理后得到的数据集进行划分，并利用训练集对药物反应预测网络进行训练，得到训练后且满足性能指标的药物反应预测模型； S4：药物反应预测 将测试集中的细胞系数据与未知的药物数据输入药物反应预测模型进行预测，获取预测结果； 在所述步骤S2中，第一条信息交互融合分支用于实现药物信息自身的信息交互融合，包括第一内积单元与第一外积单元； 在第一内积单元中： 对6个药物实体嵌入向量di与6个药物分子指纹嵌入向量dj进行内积运算： 其中，⊙表示内积运算，i与j表示内积运算时药物实体矩阵嵌入向量与药物分子指纹嵌入向量的编号； 经过内积运算得到36个不同的交互向量来表示药物实体矩阵嵌入向量与药物分子指纹嵌入向量的内积输出； 使用多层感知机MLPinner1对上述得到的内积输出进行特征提取操作，得到第一内积特征向量，其中，多层感知机MLPinner1包括4个全连接层，4个全连接层的神经元数量分别为1024、1024、512、128； 在第一外积单元中： 对6个药物实体嵌入向量di与6个药物分子指纹嵌入向量dj进行外积运算： 其中，表示外积运算； 经过外积运算得到一组通道数为36的特征交互图来表示药物实体矩阵嵌入向量与药物分子指纹嵌入向量的外积输出； 使用二维卷积神经网络CNN1对上述得到的外积输出进行特征提取操作，得到第一外积特征向量，其中，二维卷积神经网络CNN1包括两组残差块，对应的特征提取的过程如下： gi+1＝TripletAttentionγgi+TripletAttentionδgi,Wi′ 其中，残差块包括直接映射部分γgi与残差部分δgi,W′i，在直接映射部分、残差部分的最后加入了三重注意力机制TripletAttention； 在所述步骤S2中，第二条信息交互融合分支用于实现细胞系与药物之间的信息交互融合，包括第二内积单元与第二外积单元； 在第二内积单元中： 对12个药物嵌入向量d′x与4个细胞系嵌入向量c′y进行内积运算： 其中，⊙表示内积运算，x与y表示内积运算时药物嵌入向量与细胞系嵌入向量的编号； 经过内积运算得到48个不同的交互向量来表示药物嵌入向量与细胞系嵌入向量的内积输出； 使用多层感知机MLPinner2对上述得到的内积输出进行特征提取操作，获取第二内积特征向量，其中，多层感知机MLPinner2包括4个全连接层，4个全连接层的神经元数量分别为1024、1024、512、128； 在第二外积单元中： 对12个药物嵌入向量d′x与4个细胞系嵌入向量c′y进行外积运算： 其中，表示外积运算； 经过外积运算得到一组通道数为48的特征交互图来表示药物嵌入向量与细胞系嵌入向量的外积输出； 使用二维卷积神经网络CNN2对上述得到的外积输出进行特征提取操作，获取第二外积特征向量，其中，二维卷积神经网络CNN2包括两组残差块，对应的特征提取的过程如下： fi+1＝TripletAttentionαfi+TripletAttentionβfi,Wi 其中，残差块包括直接映射部分αfi与残差部分βfi,Wi，在直接映射部分、残差部分的最后加入了三重注意力机制TripletAttention。

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工业大学，其通讯地址为：243032 安徽省马鞍山市经济技术开发区南区嘉善科技园2号楼；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。