龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：清华大学深圳国际研究生院
摘要：本发明公开了药物发现领域中基于空间结构的同质相互作用预测方法，用于预测药物‑药物相互作用和化合物‑化合物相互作用，包括：S1、利用基于多样性特征的双通道建模网络从输入的化合物或药物的分子表达式和结构出发，获取原子级别和子图级别的特征信息以进行特征增强；其中，原子级别的特征信息包括原子特征、键角特征和键长特征，子图级别的特征信息包括原子和化学键构成的子图特征、化学键和键角构成的子图特征以及官能团子图特征；S2、从大规模无标签的数据集中学习化合物或药物的特征信息；S3、设计对应的三个自监督学习任务进行加强，所述三个自监督学习任务具体是预测键角、预测键长和预测原子间距离，从而增加分类结果的准确性、可靠性。
主权项：1.一种药物发现领域中基于空间结构的同质相互作用预测方法，用于预测药物-药物相互作用和化合物-化合物相互作用，其特征在于，包括如下步骤：S1、利用基于多样性特征的双通道建模网络从输入的化合物或药物的分子表达式和结构出发，获取原子级别和子图级别的特征信息以进行特征增强；其中，原子级别的特征信息包括原子特征、键角特征和键长特征，子图级别的特征信息包括原子和化学键构成的子图特征、化学键和键角构成的子图特征以及官能团子图特征；所述双通道建模网络包括双通道建模通道模块，该模块的输入包括原子-化学键组成的元素特征图和由化学键-键角组成的子图级别的特征图；S2、从大规模无标签的数据集中学习化合物或药物的特征信息；S3、同时设计对应的三个自监督学习任务进行加强，所述三个自监督学习任务具体是预测键角、预测键长和预测原子间距离，从而增加分类结果的准确性、可靠性；步骤S1、S2中还包括：输入多样性特征信息，除了利用所述原子特征、所述键长特征和所述键角特征外，还利用子图级别特征来形成官能团特征进行学习；并从这些特征中优化模型的学习能力；步骤S2还包括：从化合物或药物的分子表达式和结构中提取信息：首先处理给定数据集，得到关于每个标签对应的样本案例；正样本案例是指标签为1的数据，负样本案例是指标签为0的数据。
全文数据：
权利要求：
百度查询： 清华大学深圳国际研究生院 药物发现领域中基于空间结构的同质相互作用预测方法和装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号