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！

龙图腾网恭喜华南理工大学申请的专利一种深度学习药物相互作用预测方法、装置、介质和设备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：CN114530258B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202210105604.7，技术领域涉及：G16H70/40；该发明授权一种深度学习药物相互作用预测方法、装置、介质和设备是由张通;饶晓洁;孟献兵;陈俊龙设计研发完成，并于2022-01-28向国家知识产权局提交的专利申请。

本一种深度学习药物相互作用预测方法、装置、介质和设备在说明书摘要公布了：本发明提供了一种深度学习药物相互作用预测方法、装置、介质和设备；其中方法为：获取待预测的两种药物的药物分子信息；原子级网络对每个药物分子信息进行编码，捕获原子和化学键之间的相互作用信息，并输出编码后的药物分子图表示z_atomj；分子级网络利用多头注意力机制分别从每个药物分子图表示z_atomj提取出不同药物分子之间的关系，并输出分子图表示z_molj；将两种药物的输出分子图表示z_mol1和z_mol2转换为一个向量，进而得到药物相互作用预测结果。该方法可解决传统框架中不能充分考虑边信息的问题，可捕捉到不同药物分子之间的关系信息，从而提高预测结果的准确度。

本发明授权一种深度学习药物相互作用预测方法、装置、介质和设备在权利要求书中公布了：1.一种深度学习药物相互作用预测方法，其特征在于：包括如下步骤：获取待预测的两种药物的药物分子信息；将各个药物分子信息分别输入至原子级网络中；原子级网络对每个药物分子信息进行编码，捕获原子和化学键之间的相互作用信息，并输出编码后的药物分子图表示z_atomj；j＝1,2；将各个药物分子图表示z_atomj分别输入至分子级网络中；分子级网络利用多头注意力机制分别从每个药物分子图表示z_atomj提取出不同药物分子之间的关系，并输出分子图表示z_molj；将两种药物的输出分子图表示z_mol1和z_mol2转换为一个向量I；对向量I进行处理，得到药物相互作用预测结果；所述原子级网络和分子级网络分别是指经过训练的原子级网络和分子级网络；所述原子级网络将每个药物分子信息由SMILES序列转为分子图结构,以原子为节点、化学键为边，提取出每个药物分子中的节点信息、边信息，以及拓扑连接矩阵，将节点信息、边信息和拓扑连接矩阵输入到Transformer编码器中；Transformer编码器采用节点信息和边信息获得交互分数矩阵M；Transformer编码器输出编码后的药物分子图表示z_atomj；所述Transformer编码器设有N个依次连接的消息更新块；首先分别对节点信息和边信息进行编码，得到节点特征hX和边特征hE；然后，消息更新块根据节点特征hX计算出矩阵Q、V，根据边特征hE计算出矩阵K： 其中，WQ、WV、WK分别为可学习的线性变换参数；进而求出交互分数矩阵M：M＝matmulQ,K.transpose-2,-1使用交互分数矩阵M分别与矩阵V、K进行点乘，以更新节点特征hX和边特征hE； 之后，输入下一个消息更新块，再次进行节点特征hX和边特征hE更新；如此循环，直至最后一个消息更新块完成节点特征hX和边特征hE更新；最终得到的节点特征hX通过层归一化和平均池化，输出药物分子图表示z_atomj；将两种药物的输出分子图表示z_mol1和z_mol2按元素乘积的操作，计算出向量I：I＝z_mol1⊙z_mol2对向量I使用全连接层和sigmoid激活函数进行处理，得到最终的链接预测结果p，根据链接预测结果p得到药物相互作用预测结果。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。