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！

龙图腾网恭喜华中农业大学申请的专利基于注意力神经网络的药物互作用及事件预测方法和模型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：CN112037856B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202011058741.7，技术领域涉及：G16B25/10；该发明授权基于注意力神经网络的药物互作用及事件预测方法和模型是由刘世超;邱洋;陈思;张杨;崔钰鑫;章文设计研发完成，并于2020-09-30向国家知识产权局提交的专利申请。

本基于注意力神经网络的药物互作用及事件预测方法和模型在说明书摘要公布了：本发明提供了基于注意力神经网络的药物互作用及事件预测方法和模型，基于深度注意力神经网络框架，通过整合异构药物特征网络得到了更全面、综合的特征向量表示，结合图表示学习方法，分析药物在不同特征、维度对其他药物影响的差异性，在采用多种数据源的情况下，提高了药物互作用预测的准确性和模型的鲁棒性，使模型具有可解释性，并实现了预测药物互作用事件的功能，有助于理解药物不良反应背后隐藏的机制，同时可以指导合理地联合用药，促进用药安全。

本发明授权基于注意力神经网络的药物互作用及事件预测方法和模型在权利要求书中公布了：1.基于注意力神经网络的药物互作用及事件预测方法，其特征在于：包括以下步骤：S1：搭建基于注意力神经网络的药物互作用及事件预测模型，包括药物特征表示学习模块、药物对特征表示学习模块、药物互作用及事件预测模块；药物特征表示学习模块包括多源特征采集模块、多种特征网络构建模块和SDNE模块；药物对特征表示学习模块包括药物综合特征表示拼接模块、药物对特征表示拼接模块和注意力神经网络ANN模块；药物互作用及事件预测模块包括DNN模块；源特征采集模块、多种特征网络构建模块、SDNE模块、药物综合特征表示拼接模块、药物对特征表示拼接模块、ANN模块、DNN模块按信号流向依次连接；S2：构造多个药物特征网络，使用图表示学习方法从多个药物特征网络中学习药物特征表示；具体步骤为：S21：采集包括药物化学亚结构、靶点、酶、途径和药物互作用的多种常见药物特征；S22：为每个药物构建包括药物-亚结构网络、药物-靶点网络、药物-酶网络、药物-反应途径网络和药物-相互作用网络的多种特征网络，特征网络的节点为药物和特征，节点间的链接为药物节点和特征节点的联系；S23：通过结构化深度网络嵌入SDNE同时保持一阶和二阶邻近度从特征网络中学习药物节点的特征表示；S3：拼接从多个网络学习到的药物的特征表示，得到每个药物的综合特征表示向量，并通过注意力神经网络ANN学习药物对的特征表示；具体步骤为：S31：拼接药物的五种特征表示和得到每个药物的综合特征表示向量S32：通过注意力神经网络ANN融合药物的综合特征表示来学习药物对的特征表示；S33：注意力神经网络ANN捕获每一对药物对的不同注意向量，并针对药物的不同特征、维度分配不同权重；S4：将药物对的特征表示输入到深度神经网络DNN，采用深度神经网络预测潜在的药物互作用及事件；具体步骤为：S41：将药物对的特征表示作为深度神经网络的输入，深度神经网络的输入层的维度与药物对特征表示向量的维度相同；通过多个完全连接的隐藏层，深度神经网络的输出层包含表示药物互作用发生与否的2个神经元或表示65种药物互作用事件的65个神经元；S42：采用softmax函数生成输出节点的概率，并采用线性整流函数RELU作为所有隐藏层的激活函数；S5：训练和优化基于注意力神经网络的药物互作用及事件预测模型；具体步骤为：S51：训练和优化药物特征表示学习模块；S52：对药物对特征表示学习模块和药物互作用及事件预测模块进行端到端的训练和优化；选择二元交叉熵损失函数优化模型并利用Adam优化器对药物相互作用预测模块进行优化；在隐藏层间，采用批量归一化层加速收敛、采用随机失活层避免过拟合，提高泛化能力。

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中农业大学，其通讯地址为：430070 湖北省武汉市洪山区狮子山街1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”。