基于深度学习异构网络的药物不良反应预测方法及系统(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开一种基于深度学习异构网络的药物不良反应预测方法及系统。所述预测方法采用基于嵌入权重的图神经网络的药物活性分子结构特征提取模型结合分子的理化性质提取待测药物活性分子的结构特征;然后利用基于多头注意力机制的Transformer Decoder模块对提取的待测药物活性分子的结构特征通过自回归的方式不断地预测生成药物潜在的不良反应;直到预测出的结果为预定义的结束词,获得该药物所有潜在的不良反应。本发明借助嵌入权重的图神经网络强大的图数据结构数据处理能力和Transformer Decoder模块强大的生成能力,构建一个端到端的深度学习方法框架,学习药物与不良反应之间的潜在联系,能更加全面、完整、准确地预测药物的潜在的不良反应。
《基于深度学习异构网络的药物不良反应预测方法及系统(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2024104734883,当前法律状态为已下证,由湖南大学提出申请,发明人为金敏;赵博涛;龚后武;彭绍亮;骆嘉伟,申请日期为2024-04-19,公开(公告)日期为2025-06-10,国际专利分类号(IPC)为 G16H 70/40 (2018.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。专利114 作为出让方直接签约,提供权利核验、合同拟定、评审用证明材料整理与国家知识产权局著录项目变更代办,个人与企业采购均可办理。用于职称或落户时,建议先确认当地对专利类型、授权时间与申请人身份的具体要求,我们可协助逐条比对,避免买了用不上。专利摘要:本发明公开一种基于深度学习异构网络的药物不良反应预测方法及系统。所述预测方法采用基于嵌入权重的图神经网络的药物活性分子结构特征提取模型结合分子的理化性质提取待测药物活性分子的结构特征;然后利用基于多头注意力机制的Transformer Decoder模块对提取的待测药物活性分子的结构特征通过自回归的方式不断地预测生成药物潜在的不良反应;直到预测出的结果为预定义的结束词,获得该药物所有潜在的不良反应。本发明借助嵌入权重的图神经网络强大的图数据结构数据处理能力和Transformer Decoder模块强大的生成能力,构建一个端到端的深度学习方法框架,学习药物与不良反应之间的潜在联系,能更加全面、完整、准确地预测药物的潜在的不良反应。
本专利适配多类个人与企业需求:职称评审中的业绩与成果材料、人才引进与积分落户的知识产权加分、行业资质与科技项目申报、企业高企认定与技术储备。专利权人为官方登记主体,法律状态可核验,转让后提供专利证书与登记簿副本,可直接装订进评审或申报材料。
