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！

龙图腾网获悉长春中医药大学申请的专利一种基于多维特征的药物相互作用预测方法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：CN119230128B 。

龙图腾网通过国家知识产权局官网在2025-03-21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：202411754956.0，技术领域涉及：G16H50/70；该发明授权一种基于多维特征的药物相互作用预测方法是由刘丹;周默;陈楠;舒畅设计研发完成，并于2024-12-03向国家知识产权局提交的专利申请。

本一种基于多维特征的药物相互作用预测方法在说明书摘要公布了：本发明公开了一种基于多维特征的药物相互作用预测方法，本发明涉及药物相互作用预测技术领域，包括以下步骤：S1：从权威数据库DrugBank、KEGG和Pubchem中收集药物的多维特征信息，得到药物特征；同时收集真实临床案例数据，记为临床数据。该基于多维特征的药物相互作用预测方法，通过集成学习和模型融合，利用不同模型的优势互补，合理筛选和加权的特征能够使模型在不同数据集和应用场景下保持相对稳定的性能，减少因数据波动或特征变化导致的模型预测偏差，增强模型的泛化能力，提高其在实际药物相互作用预测中的适用性和可靠性，降低单一模型产生假阳性结果的概率。

本发明授权一种基于多维特征的药物相互作用预测方法在权利要求书中公布了：1.一种基于多维特征的药物相互作用预测方法，其特征在于，包括以下步骤：S1：从权威数据库DrugBank、KEGG和Pubchem中收集药物的多维特征信息，得到药物特征；同时收集真实临床案例数据，记为临床数据，分析临床数据与药物特征相互作用实际发生密切相关的特征，去除相关性较弱或易导致误判的药物特征，筛选出与药物相互作用密切相关的特征，得到药物多维特征；S2：基于筛选后得到的药物多维特征，采用机器学习中的特征重要性评估算法，计算每个药物多维特征在预测药物相互作用中的相对重要性，得到重要性指标；根据药物多维特征的重要性指标，为每个特征分配相应的权重，得到权重分配结果；S3：基于药物多维特征构建多个药物相互作用预测模型，并对多个预测模型的预测结果进行集成，采用加权平均法，根据每个模型的准确性和可靠性，为每个预测结果分配不同的权重，获取最终预测结果；S4：将最终预测结果与收集到的真实世界中的药物使用数据进行比对，得到比对结果，并基于对比结果，将最终预测结果提供给临床医生；步骤S1包括与医疗机构合作，收集真实世界中的药物使用数据，记为真实数据，真实数据包括患者同时服用多种药物后的实际反应、不良反应监测数据；步骤S2中计算每个药物多维特征在预测药物相互作用中的相对重要性，得到重要性指标，过程如下：基于筛选后得到的药物多维特征，同时准备与药物样本对应的药物相互作用结果数据作为标签，得到二元标签或概率值，二元标签包括有相互作用和无相互作用，概率值表示药物在有相互作用时，发生相互作用的概率；基于随机森林作为特征重要性评估算法，计算每个特征在构建决策树时对降低不纯度的贡献，来评估特征重要性；其中，在多棵树的情况下，对每棵树中特征的重要性进行平均，得到最终的特征重要性评估结果；使用药物多维特征和对应的药物相互作用标签数据训练随机森林模型，构建随机森林模型，输出每个特征的重要性得分，将计算得到的每个特征的重要性结果按照重要性得分从高到低对进行排序，得到每个药物多维特征在预测药物相互作用中的重要性序列，基于重要性序列，结合预设的重要性指标对照列表，匹配出药物特征在重要性序列中的位置与重要性指标对照列表中所匹配的重要性指标；步骤S2包括权重分配过程：运用随机森林算法构建特征重要性评估模型，将保留的药物多维特征作为输入变量，药物相互作用的发生与否作为输出变量，训练随机森林模型；在训练过程中，通过计算每个特征在决策树构建过程中的信息增益、基尼指数减少量，基于计算得到的信息增益和基尼指数减少量，确定每个特征对预测药物相互作用的重要性得分；根据重要性得分进行权重分配，通过采用归一化方法，将各特征的重要性得分转换为权重值，使所有权重之和为1；步骤S3中，多个药物相互作用预测模型包括化学结构特征模型、药理作用特征模型、代谢途径特征模型和基因表达特征模型；步骤S3包括构建多个药物相互作用预测模型，过程如下：对于化学结构特征模型，获取药物的化学结构特征，构建化学结构网络，通过分子动力学模拟分析化学结构特征对药物相互作用的影响，得到结构预测结果；对于药理作用特征模型，获取药物的药理作用，构建药物靶标网络，通过网络药理学分析药物如何通过影响多个靶标和生物途径来发挥作用，以及与药物的潜在相互作用，得到药理预测结果；对于药物代谢途径模型，收集药物在体内代谢过程中的酶催化反应和代谢产物，构建代谢通路网络，分析药物在代谢途径中的相互作用关系，采用路径分析算法计算药物相互作用的可能性，得到代谢预测结果；对于基因表达特征模型，获取药物作用下基因表达的变化数据，构建基因调控网络，运用网络分析方法预测药物相互作用对基因表达的影响及由此引发的药物相互作用，得到基因预测结果；步骤S1中包括：针对药物多维特征，计算临床数据与药物特征相互作用发生与否及严重程度的皮尔逊相关系数，得到显著性水平和皮尔逊相关系数；根据皮尔逊相关系数的大小和显著性水平，筛选出相关性较强的特征，得到药物多维特征；设定显著性水平为A，若药物特征的皮尔逊相关系数对应的p值小于A且皮尔逊相关系数绝对值大于B，则认为该特征与药物相互作用密切相关，予以保留；反之，若p值大于A或皮尔逊相关系数绝对值小于B，则去除该特征。

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长春中医药大学，其通讯地址为：130117 吉林省长春市净月开发区博硕路1035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”。