龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：重庆邮电大学
申请日：2024-04-07
公开（公告）日：2024-07-05
公开（公告）号：CN118298909A
主分类号：G16B15/30
分类号：G16B15/30;G16B40/00;G16B50/30;G06N20/00
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.07.23#实质审查的生效;2024.07.05#公开
摘要：本发明涉及一种基于联合表示学习和元路径的药物‑靶标相互作用预测方法，属于药物靶点亲和力预测技术领域。该方法包含三种单一模态，分别表示序列信息模态、异构结构信息模态和相似信息模态。模型综合利用多模态数据，并整合到统一的模型中进行学习，捕获到不同模态之间的互补信息，提高特征的表达能力和区分度，更全面地考虑不同数据源的信息，从而实现提高模型的预测能力和准确性。最终，本发明采用基于联合表示学习和元路径的药物‑靶标相互作用预测方法能够有效地完成药物靶点亲和力预测。
主权项：1.基于联合表示学习和元路径的药物-靶标相互作用预测方法，其特征在于：该方法包括以下步骤：S1：首先进行序列特征的表示，提取药物和蛋白质的有效特征；针对药物序列信息，利用自然语言处理NaturalLanguageProcessing，NLP方法进行学习；针对蛋白质序列，为提取氨基酸成分和序列信息，利用长度为3的短序列稀疏矩阵捕捉基团水平氨基酸的特征；S2：对蛋白质-药物-疾病关联信息整合，构建生物异质性网络和生物相似性网络；针对异构结构信息的捕获，提出6种元路径生成关联行为语义序列的方案，并通过最大化每个中心词的概率来充分学习节点嵌入向量；针对相似结构信息的捕获，基于每对药物之间的共同子结构，计算药物的化学结构相似性；S3：将从不同视图提取的特征信息与元路径模式的重要性相结合，生成极具代表性的综合特征描述符；S4：通过联合学习计算药物和靶标之间的交互概率，得到药物-靶标相互作用预测结果；得到整个训练模型后，确定模型最佳架构和参数集；整个网络采用端到端的训练方式，不断更新网络权值，直到模型收敛。
全文数据：
权利要求：
百度查询： 重庆邮电大学 基于联合表示学习和元路径的药物-靶标相互作用预测方法
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。
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