基于关系感知网络的药物相互作用的预测方法技术

技术编号:34614527 阅读:30 留言:0更新日期:2022-08-20 09:20
本发明专利技术公开了一种基于关系感知网络的药物相互作用的预测方法,包括在多关系DDI网络中,将药物通过两个步骤得到药物的嵌入,第一步通过TransD捕获药物之间的多关系信息,并学习每个实体的嵌入关系。第二步是药物通过关系感知信息传播机制得到网络结构的嵌入。再将这两个步骤得到的药物嵌入进行串联得到最后的嵌入。将多关系嵌入和网络结构嵌入结合,使所提取的药物信息更加丰富;使用TransD模型能够捕捉药物之间的多关系信息,并学习每个实体的潜在嵌入。可有效的提升模型的性能。可有效的提升模型的性能。可有效的提升模型的性能。

【技术实现步骤摘要】
基于关系感知网络的药物相互作用的预测方法


[0001]本专利技术属于生物信息
,具体涉及基于关系感知网络的药物

药物相互作用 (Drug

Drug Interaction,DDI)预测方法。

技术介绍

[0002]单一药物往往无法满足临床治疗的需求,因此服用多种药物治疗复杂疾病变得越来越流行。然而,药物

药物相互作用(DDI)可能会引起意外的不良反应,甚至是未知的毒性。在湿实验室进行DDI检测既昂贵又耗时。因此,迫切需要开发预测DDI的计算方法。
[0003]目前,研究人员已经专利技术很多模型进行DDI预测,如DeepDDI(A deep predictor fordrug

drug interactions)使用GCN来提取DDI网络中实体的网络结构信息,并使用深度神经网络(DNN)作为预测器来检测DDI。DDIMDL(multimodal deep learning framework forpredictingdrug
>‑
dru本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于关系感知网络的药物相互作用的预测方法,其特征在于:步骤1:通过TransD模型和关系感知信息传播机制得到药物的嵌入向量;通过串联获得最终药物的最终嵌入。步骤2:对于二分DDI预测,得到药物相互作用强度。步骤3:对于多分DDI预测,得到药物相互作用在每个关系类型下的概率。2.如权利要求1所诉的基于关系感知网络的药物预测相互作用预测方法,其特征在于:步骤1中首先将药物进行one

hot编码,建立三元组,通过公式得到得分函数,计算TransD模型的损失。关系感信息传递机制提取网络结构嵌入。将药物的one

hot编码得到的向量与网络结构嵌入向量进行串联得到最终嵌入,其中计算药物的最终嵌入的公式是分两步实现的计算:第一:从TransD模型中,得到药物的多关系嵌入,对药物进行one

hot编码得到第二:利用在关系r下得到邻居实体的传播信息,通过得到关系感知嵌入。再将两个嵌入进...

【专利技术属性】
技术研发人员:裴佳佳
申请(专利权)人:安徽理工大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1