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！

龙图腾网获悉湖南师范大学申请的专利基于多源数据嵌入的药物-靶标蛋白关联预测方法及系统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：CN119920305B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202510396484.4，技术领域涉及：G16B15/30；该发明授权基于多源数据嵌入的药物-靶标蛋白关联预测方法及系统是由肖球;熊拓;张欣如;邹阳设计研发完成，并于2025-03-31向国家知识产权局提交的专利申请。

本基于多源数据嵌入的药物-靶标蛋白关联预测方法及系统在说明书摘要公布了：本发明公开了一种基于多源数据嵌入的药物‑靶标蛋白关联预测方法及系统，多源数据嵌入的方法由多核学习算法和降噪自编码器构成。基于多核学习的方法，通过整合多个核函数提高模型的鲁棒性，减轻了对单一核函数的过度依赖，并对不同相似网络分配权重，最终获得一个综合相似矩阵核。基于降噪自编码的方法，通过在输入数据中引入噪声，并尝试从噪声数据中还原出原始数据，实现了对噪声的去除和还原数据的功能。本发明通过简单，只需要根据药物、靶标蛋白的关联数据就能比较准确的预测出药物‑疾病关联网络中的潜在关联，并且通过实验证明了该方法的有效性，具有一定的生物学意义，对药物重定位、药物研发过程的推进具有理论意义和参考价值。

本发明授权基于多源数据嵌入的药物-靶标蛋白关联预测方法及系统在权利要求书中公布了：1.一种基于多源数据嵌入的药物-靶标蛋白关联预测方法，其特征在于，包括以下步骤： 步骤1），基于药物、靶标蛋白的数据源，计算药物之间以及靶标蛋白之间的相似性，构建药物、靶标蛋白分别在每个数据源的相似性网络； 步骤2），采用多核学习算法MKL分别整合药物、靶标蛋白的相似网络，获得药物、靶标蛋白质的综合相似矩阵SD和SP； 步骤3），将步骤2）得到综合相似矩阵SD、SP中的每行数据作为药物、靶标蛋白的初始特征表示，并通过降噪自动编码器将噪声引入初始特征数据中，并对引入噪声的初始特征数据进行还原； ，； 其中，代表随机生成的噪声，表示分布的均值，表示方差；表示原始输入的特征数据，表示加噪后的特征数据； 还原使用的编码器和解码器如下： ； ； 其中，和分别表示编码器和解码器第l层的输出，和分别表示编码器第l层的权重矩阵和偏置矩阵，表示非线性激活函数；表示解码器最终输出的重构数据，和分别表示解码器第l层的权重矩阵和偏置矩阵； 步骤4），将通过步骤3）处理后的还原的药物、靶标蛋白的特征数据进行拼接，得到药物-蛋白质对的特征向量，并使用多层感知机对药物-蛋白质对的特征向量之间的关联进行建模，获得基于多层感知机的药物与靶标蛋白关联预测模型，预测药物与靶标蛋白之间的关联关系； 采用多核学习算法MKL分别整合药物、靶标蛋白的相似性网络，是对各个相似性网络进行权值分配，从而获得药物、靶标蛋白的综合相似矩阵SD和SP： 采用多核学习算法MKL对相似性网络进行整合过程中，采用下式对应的目标函数使得整合后的相似性网络最优核与理想最优核的距离最小化： 目标函数：， ， ，， ； 其中，表示第i个的相似性网络，表示的相似性 网络的权值向量，β是一个正则化参数，用于平衡相似性矩阵拟合误差与权值正则化项的权 重；表示药物或者靶标蛋白，表示药物，时表示靶标蛋白；表示是药物- 靶标蛋白的关联矩阵；表示整合多个的相似性网络后生成的综合相似度矩阵， * 是的理想最优核矩阵；表示的相似性网络数量；表示Frobenius范数的平方，表示整合后的综合相似矩阵与理想最优核矩阵 *之间的差异， 表示对权值向量的正则化项，用于约束权值的稀疏性，避免过拟合； 权重求解公式： ， ， ； 其中：， ， ； 其中，trace表示矩阵的迹； 转化公式为： ； 按照上面公式求得药物、靶标蛋白的各个相似性网络的权重。

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湖南师范大学，其通讯地址为：410081 湖南省长沙市岳麓区麓山路36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”。