原创力文档- 1、本文档共13页，其中可免费阅读12页，需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明提出了一种基于分子图和序列的深度嵌入学习的药物‑靶标相互作用预测模型方法，该方法是建立基于注意力机制的图神经网络和有注意力导向的双向LSTM来预测相互作用，其中，为了更有效的训练，利用预训练模型BERT从蛋白质序列中提取各个子序列的嵌入向量表示，同时设计局部广度优先搜索算法提取药物分子图的子图信息，使得图神经网络学习更高的特征信息。该发明一方面，在药物分子方面，基于分子图可以学习到更好的空间特征；另一方面，蛋白质序列数据量大，可以覆盖更大的蛋白质空间，提高泛化能力。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113327644 A
(43)申请公布日 2021.08.31
(21)申请号 202110382488.9
(22)申请日 2021.04.09
(71)申请人 中山大学
地址 51
文档评论（0）