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！

龙图腾网恭喜暨南大学申请的专利一种基于自适应元学习的药物虚拟筛选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：CN115101145B 。

龙图腾网通过国家知识产权局官网在2024-09-17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：202210737270.5，技术领域涉及：G16C20/50；该发明授权一种基于自适应元学习的药物虚拟筛选方法是由官全龙;叶贤斌;罗伟其;方良达;赖兆荣;汪超男设计研发完成，并于2022-06-27向国家知识产权局提交的专利申请。

本一种基于自适应元学习的药物虚拟筛选方法在说明书摘要公布了：本发明公开了一种基于自适应元学习的药物虚拟筛选方法及系统，包括以下步骤：S1、对公开数据库的药物分子数据进行预处理获得分子图数据并划分T个数据集；S2、构建基于元学习器的多任务神经网络模型；S3、利用上述数据集对神经网络模型进行预训练，得到药物虚拟筛选模型；S4、输入任务目标的数据到上述药物虚拟筛选模型，对任务的权重进行调整，添加目标任务相关的预测层，得到与目标任务强相关的药物虚拟筛选模型。本方法与基于深度学习的药物筛选方法相比，利用元学习器对模型进行任务权重上的调整，通过添加目标任务相关的预测层，能够自适应调整模型，使药物虚拟筛选模型达成更好的泛化性能，能够筛选出具有足够活性且符合要求的药物分子。

本发明授权一种基于自适应元学习的药物虚拟筛选方法在权利要求书中公布了：1.一种基于自适应元学习的药物虚拟筛选方法，其特征在于，包括以下步骤：S1、设定任务类型数量T，对公开数据库的药物分子实验数据进行预处理获得分子图数据，经过整理得到和训练任务相关的T个互不包含的数据集合和T个任务；S2、构建基于元学习器的多任务神经网络模型；包括三个依次连接的模块，具体为：基于多重注意力融合边和节点信息的多层图卷积模块、基于任务相关的多层感知机模块、自适应调整任务权重的元学习器模块；预处理后的药物分子实验数据输入所述多层图卷积模块，得到分子图数据的向量表示，将该向量表示输入至并列的对应T种任务类型的T个多层感知机模块，输出任务相关的预测值和任务相关的特征，把所述任务相关的特征输入至元学习器模块中得到任务相关层的权重系数；将权重系数与所述预测值与真实值的差相乘作为神经网络模型的损失函数，并采用反向传播算法进行训练；所述损失函数的公式如下： 其中fx表示神经网络模型的预测值，y表示输入数据对应的标签，m表示样本的个数，L1表示回归任务的损失函数，L2表示分类任务的损失函数；S3、利用上述数据集合对神经网络模型进行预训练，得到具有领域知识的药物虚拟筛选模型；S4、输入设定数量任务的目标数据到上述药物虚拟筛选模型，根据元学习器对T个任务的权重进行调整，添加目标任务相关的预测层，得到与目标任务强相关的药物虚拟筛选模型；S5、使用与任务目标强相关的药物虚拟筛选模型进行大规模药物虚拟筛选。

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暨南大学，其通讯地址为：510632 广东省广州市天河区黄埔大道西601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”。