【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...
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。