申请/专利权人：中国石油大学(华东)

申请日：2024-01-15

公开（公告）日：2024-04-12

公开（公告）号：CN117877570A

主分类号：G16B15/30

分类号：G16B15/30;G16B40/00;G16C20/50;G06F16/901;G06F18/22;G06F18/25;G06N3/0499;G06N3/084;G06N3/0895

优先权：

专利状态码：在审-公开

法律状态：2024.04.12#公开

摘要：本发明提供了一种应用对比学习充分融合特征用于药物‑靶标关联预测方法，涉及生物信息学、深度学习以及关联预测领域。首先，我们整合并下载相关药物‑靶标关联作为初始数据，利用靶标和药物作为超边分别构建药物超图和靶标超图。然后，基于构建的药物超图和靶标超图提取药物‑药物相似性信息和靶标‑靶标相似性信息，并利用对比学习的方法将其与药物‑靶标关联图结构信息充分融合到药物特征和靶标特征。最终将充分融合的药物特征与靶标特征拼接作为药物‑靶标特征表示，输入到全连接神经网络中实现药物‑靶标关联预测任务。使用自适应矩估计反向传播优化算法优化整体模型参数，通过不断迭代提升药物‑靶关联预测的准确率。

主权项：1.一种应用对比学习充分融合特征用于药物-靶标关联预测方法，包括以下部分：A、基于已知药物-靶标相互作用关联构建药物超图和靶标超图。B、基于药物超图和靶标超图，进一步构建基于超图的药物-药物相似性和靶标-靶标相似性，利用对比学习方法分别获取药物和靶标的特征表示。C、基于全连接神经网络实现对药物-靶标关联预测。D、基于自适应矩估计反向传播优化算法训练参数。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 一种应用对比学习充分融合特征用于药物-靶标关联预测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD