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！

龙图腾网获悉淮阴工学院申请的专利一种基于AFNN和ADE的抗乳腺癌候选药物分类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：CN117238395B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202311129118.X，技术领域涉及：G16C20/30；该发明授权一种基于AFNN和ADE的抗乳腺癌候选药物分类预测方法是由刘帅祥;徐浩渊;杨丹;任健;秦源汇;洪利;刘佳博;李龙峰;马晌;刘家辉;张士林设计研发完成，并于2023-09-04向国家知识产权局提交的专利申请。

本一种基于AFNN和ADE的抗乳腺癌候选药物分类预测方法在说明书摘要公布了：本发明公开了一种基于AFNN和ADE的抗乳腺癌候选药物分类预测方法，包括：利用随机森林RF算法对已知实验数据进行特征选择，挑选出具有影响的分子描述符；构建基于AFNN的化合物生物活性pIC50预测模型，利用自适应梯度下降算法对基于AFNN的化合物生物活性pIC50预测模型的参数进行寻优；建立基于概率神经网络的ADMET性质分类模型；利用自适应差分进化算法ADE对带约束优化问题进行处理，找到化合物分子描述符对应最佳的取值。本发明通过找出化合物分子描述符对应的最佳取值，使得化合物在对ERα活性产生更好的拮抗作用的同时具有ADMET性质。

本发明授权一种基于AFNN和ADE的抗乳腺癌候选药物分类预测方法在权利要求书中公布了：1.一种基于AFNN和ADE的抗乳腺癌候选药物分类预测方法，其特征在于：包括以下步骤： 1利用随机森林RF算法对已知实验数据进行特征选择，挑选出具有影响的分子描述符；过程为： 步骤1中，首先对数据进行单位标准化，初始化随机森林，利用标签数据对随机森林进行训练，计算特征重要度和特征重要度排序索引；计算N次平均特征重要度和N次平均特征重要度排序索引；根据特征重要度排序索引选择特征； 如果平均特征重要度排序索引多轮未改变，则返回特征重要度排序索引； 2构建基于AFNN的化合物生物活性pIC50预测模型，利用自适应梯度下降算法对基于AFNN的化合物生物活性pIC50预测模型的参数进行寻优；基于AFNN的化合物生物活性pIC50预测模型的建立包括以下步骤： 2.1数据整理，对化合物对应的分子描述符进行归一化处理，将每一行作为一组输入训练集； 2.2设计网络层结构，采用Mamdani型模糊神经网络进行建模，采用样本训练基于AFNN的化合物生物活性pIC50预测模型； 2.3选择均方根误差以及平均绝对百分比误差作为性能指标； 3建立基于概率神经网络的ADMET性质分类模型；利用样本训练ADMET性质分类模型，再利用随机的样本验证ADMET性质分类模型性能； 4利用自适应差分进化算法ADE对带约束优化问题进行处理，找到化合物分子描述符对应最佳的取值；过程为： 利用基于AFNN的化合物生物活性pIC50预测模型得到的生物活性值pIC50假设为ym；利用概率神经网络构建化合物ADMET性质的分类模型得到的性质分类值相加，总和假设为yc；构建化合物样本的适应度函数y：y＝ym+yc；使用自适应差分进化算法ADE进行化合物样本的适应度寻优；首先进行ADE的参数设置，其次初始化种群，接着进行变异、交叉、选择循环操作，直到满足终止条件，即设定的迭代次数，输出最优解； 使用自适应差分进化算法进行化合物样本的适应度寻优时，对比例因子F进行以下改进： F＝F0·2Q5 其中，F0为比例因子，Gm为最大迭代次数，G为当前代数。

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淮阴工学院，其通讯地址为：223003 江苏省淮安市经济技术开发区枚乘东路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”。

以上内容由龙图腾AI智能生成。