-
公开(公告)号：CN110634539A
公开(公告)日：2019-12-31
申请号：CN201910866714.3
申请日：2019-09-12
申请人： 腾讯科技(深圳)有限公司
摘要： 本发明提供了一种基于人工智能的药物分子处理方法、装置、电子设备及存储介质；方法包括：响应于针对药物分子的生成请求，确定药物分子属性需求；获取随机采样的药物分子向量；对随机采样的药物分子向量进行变换处理，得到符合药物分子属性需求的药物分子向量；对符合药物分子属性需求的药物分子向量进行解码，得到对应药物分子向量的第一语法规则；根据语法规则与药物分子的映射关系，生成第一语法规则对应的药物分子，以用于响应生成请求。通过本发明，能够得到满足特定药物分子属性需求的药物分子，满足用户对药物分子的需求。
-
公开(公告)号：CN110442758A
公开(公告)日：2019-11-12
申请号：CN201910667549.9
申请日：2019-07-23
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06F16/903 , G06F16/901 , G06N3/08
摘要： 本发明实施例公开了一种图对齐方法、装置和存储介质，其中，通过获取需要对齐的源域图和目标域图；对源域图进行无监督学习得到源域节点特征集合，以及对目标域图进行无监督学习得到目标域节点特征集合；构建生成对抗网络，生成对抗网络，并对生成对抗网络进行训练；根据训练后的生成对抗网络中的生成器预测源域图和目标域图之间的锚链接，并根据锚链接所对应的源域节点特征和目标域节点特征优化训练后的生成器，得到优化后的生成器；根据优化后的生成器将源域图中的源域节点与目标域图中的目标域节点对齐。由此，实现了无监督条件下的图对齐，摆脱了现有技术中对标注数据的依赖，不仅降低了实现图对齐的人力成本，还提高了图对齐的效率。
-
公开(公告)号：CN117349479A
公开(公告)日：2024-01-05
申请号：CN202311315868.6
申请日：2023-10-11
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06F16/901 , G16C20/30 , G16C20/50 , G16C20/70 , G06N3/0464 , G06N3/042
摘要： 本申请提供了一种图结构的更新方法、装置、设备、存储介质及程序产品；方法包括：获取待更新图结构，以及多个用于指示图结构的结构特性的图结构属性；基于所述图结构属性，对所述待更新图结构进行属性预测，得到所述待更新图结构分别对应各所述图结构属性的第一预测分值；获取各所述图结构属性分别对应的偏好属性分值；针对各所述图结构属性，将所述图结构属性对应的第一预测分值与相应的所述偏好属性分值之间的差值，确定为所述图结构属性的属性偏移分值；基于所述属性偏移分值，对所述待更新图结构进行更新，得到目标图结构。通过本申请，能够有效提高图结构的更新准确度。
-
公开(公告)号：CN117219181A
公开(公告)日：2023-12-12
申请号：CN202310137321.5
申请日：2023-02-13
申请人： 腾讯科技(深圳)有限公司
摘要： 本申请公开了一种模型训练方法、使用方法、装置、设备及存储介质，属于人工智能技术领域。该方法包括：获取至少两个样本结构图和至少两个样本特征信息，至少两个样本结构图和至少两个样本特征信息一一对应；调用标签预测网络分别对至少两个样本结构图进行预测处理，得到至少两个样本结构图分别对应的分子预测标签；调用能量网络对至少两个样本结构图分别对应的样本信息组进行预测处理，得到至少两个样本结构图分别对应的能量梯度信息；基于至少两个样本结构图分别对应的能量梯度信息，确定偏移梯度信息；基于偏移梯度信息和偏移信息组邻近的样本信息组确定的损失函数对分子筛选模型进行训练，得到训练后的分子筛选模型。
-
公开(公告)号：CN111695702B
公开(公告)日：2023-11-03
申请号：CN202010546027.6
申请日：2020-06-16
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06N99/00
摘要： 本申请提供了一种分子生成模型的训练方法；包括：获取基础分子及目标分子；通过编码层，对基础分子编码，得到第一图节点特征和第一树节点特征，对目标分子编码，得到第二图节点特征和第二树节点特征；通过对齐层，将第一图节点特征与第二图节点特征匹配，得到第一相似性特征，将第一树节点特征与第二树节点特征匹配，得到第二相似性特征；通过生成层，根据第一相似性特征和第一图节点特征，生成图节点特征，根据第二相似度特征和第一树节点特征，生成树节点特征；通过解码层，分别对图节点特征及树节点特征进行解码，得到预测分子；基于预测分子与目标分子间的差异，更新模型参数；通过得到的模型，能够生成保留基础分子部分结构的高属性分子。
-
![咪唑并[1,2-a]吡嗪或吡唑并[1,5-a]嘧啶衍生物及其用途](/CN/2022/1/61/images/202210307006.jpg)
公开(公告)号：CN116836167A
公开(公告)日：2023-10-03
申请号：CN202210307006.8
申请日：2022-03-25
申请人： 腾讯科技(深圳)有限公司
IPC分类号： C07D487/04 , A61K31/4985 , A61P35/00
摘要： 发明提出了一种咪唑并[1,2‑a]吡嗪或吡唑并[1,5‑a]嘧啶衍生物及其用途，所述化合物为式(I)所示化合物或式(I)所示结构化合物的立体异构体、互变异构体、氘代物、氮氧化物、溶剂化物、代谢产物、药学上可接受的盐或它的前药，#imgabs0#
-
公开(公告)号：CN110515986B
公开(公告)日：2023-01-06
申请号：CN201910797783.3
申请日：2019-08-27
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06F16/2458 , G06F16/53 , G06N3/04 , G06Q50/00
摘要： 本发明提供了一种社交网络图的处理方法、装置、电子设备及存储介质；方法包括：获取第一社交网络图和第二社交网络图；确定第一社交网络图和第二社交网络图之间的伪锚链接，根据所确定的伪锚链接形成第一伪锚链接集合，其中，伪锚链接由第一社交网络图与第二社交网络图中潜在对齐的节点连接形成；从第一伪锚链接集合中，选取跨域相似性超过相似性阈值的伪锚链接，形成第二伪锚链接集合，跨域相似性表征第一社交网络图中的节点与第二社交网络图中的节点之间的相似性；根据第二伪锚链接集合中的伪锚链接、以及第一社交网络图的结构，扩展第二社交网络图的结构。通过本发明，能够获取社交网络图中潜在的结构信息。
-
公开(公告)号：CN115116557A
公开(公告)日：2022-09-27
申请号：CN202210582257.7
申请日：2022-05-26
申请人： 腾讯科技(深圳)有限公司
摘要： 本申请实施例公开了一种预测分子标签的方法以及相关装置，至少涉及人工智能中的机器学习、主动学习等技术，可应用在药物分析等领域，能够实现对分子数据的属性预测，提升预测性能和效果。该方法包括：获取第一样本集，第一样本集包括至少一个未标注分子标签的第一样本；基于目标查询模型对每个第一样本的分子结构图进行处理，获取每个第一样本的预测分数；基于每个第一样本的预测分数从第一样本集中获取至少一个预测样本；将每个预测样本作为预设分类模型的输入，得到每个预测样本的分子标签。
-
公开(公告)号：CN114957278A
公开(公告)日：2022-08-30
申请号：CN202110194113.X
申请日：2021-02-20
申请人： 兰州大学 , 腾讯科技(深圳)有限公司
IPC分类号： C07D495/04 , A61K31/4365 , A61P3/10
摘要： 本公开涉及医药技术领域，提供了一种胰高血糖素受体拮抗剂及其用途。该胰高血糖素受体拮抗剂包括化合物A或化合物A的异构体、酸、酯、代谢物、前药、可药用盐。本公开中的胰高血糖素受体拮抗剂的骨架结构新颖，且对胰高血糖素受体的半抑制浓度较低。
-
公开(公告)号：CN114283899A
公开(公告)日：2022-04-05
申请号：CN202111213797.X
申请日：2021-10-19
申请人： 腾讯科技(深圳)有限公司
摘要： 本申请提供一种训练分子结合模型的方法、分子筛选方法及装置，可以应用于智能医疗领域，用于解决分子筛选准确性较低的问题。该方法包括：采用待训练的分子结合模型，基于蛋白质特征信息和分子特征信息，确定样本蛋白质分子与样本备选分子之间的结合活性特征信息、嵌入特征信息和共晶特征信息，其中，嵌入特征信息用于表征样本蛋白质分子与样本备选分子之间的结合程度，共晶特征信息用于表征样本蛋白质分子和样本备选分子之间是否存在共晶结构，待训练的分子结合模型用于预测；基于结合活性特征信息、嵌入特征信息和共晶特征信息，确定待训练的分子结合模型的训练损失。
-
-
-
-
-
-
-
-
-
搜索结果
76 条记录 (耗时 0.045 秒)
