技術編號：40436056
提示：您尚未登錄，請點 登 陸 后下載，如果您還沒有賬戶請點 注 冊 ，登陸完成后，請刷新本頁查看技術詳細信息。本發(fā)明屬于藥物研究，具體涉及一種基于對比知識增強的藥物靶點關系預測方法。背景技術、目前，二部圖學習在藥物發(fā)現(xiàn)領域的研究主要側重于利用圖神經網(wǎng)絡(gnn)將藥物分子和靶點編碼為低維向量表示。然而，基于gnn的方法通常使用拉普拉斯矩陣對所有節(jié)點進行平均聚合，未能充分利用注意力感知矩陣來區(qū)分藥物分子和靶點之間的重要性差異，導致節(jié)點嵌入不夠準確，影響了藥物發(fā)現(xiàn)模型的性能。雖然基于自適應訓練的注意權重機制可以學習藥物分子和靶點之間的交互，但其計算成本較高且不夠直觀易懂。、為了解決這一挑戰(zhàn)，研究人員將知...
注意：該技術已申請專利，請尊重研發(fā)人員的辛勤研發(fā)付出，在未取得專利權人授權前，僅供技術研究參考不得用于商業(yè)用途。
該專利適合技術人員進行技術研發(fā)參考以及查看自身技術是否侵權，增加技術思路，做技術知識儲備，不適合論文引用。