一种基于图神经网络的药物相互作用预测方法及系统技术方案

本发明专利技术提出了一种基于图注意力网络的药物相互作用预测方法及系统，包括：获取待预测的两种药物的分子图；利用键感知消息传递神经网络将药物的分子图进行编码；获取药物

【技术实现步骤摘要】
一种基于图神经网络的药物相互作用预测方法及系统


[0001]本专利技术属于药物相互作用预测
，尤其涉及一种基于图神经网络的药物相互作用预测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]药物相互作用一直以来被描述为一种药物的药效因另一种药物的存在而发生的变化。随着获得批准的药物数量迅速增长，通过使用联合药物处方来治疗患者疾病已成为一种普遍现象。然而，同时使用多种药物可能会导致药物不良反应(Adverse Drug Reaction，ADR)。有效识别潜在的药物相互作用(Drug
‑
Drug Interaction，DDI)可以最小化意外ADR并最大限度地发挥协同效应，因此，为了缓解意外药理作用的影响，预测潜在的DDI对医生、患者和社会至关重要。
[0004]尽管DDI可以通过体内和体外实验来鉴定，但由于药物数量众多，传统的实验方法既耗时繁琐又成本高昂，一方面几乎不可能对每两种药物都进行DDI测试，另一方面还可能限制DDI检测的效本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图注意力网络的药物相互作用预测方法，其特征在于，包括：获取待预测的两种药物的分子图；利用键感知消息传递神经网络将药物的分子图进行编码，获取相应的分子图的嵌入向量；获取待预测的两种药物与其已知相互作用关系药物的药物
‑
药物相互作用关系DDI(drug
‑
drug interaction)网络图；将分子图的嵌入向量作为DDI网络图的特征向量，使用多层图注意力网络融合特征向量和外部DDI特征，获得更新后的药物分子表示向量；将更新后的药物分子表示向量输入至交互预测器，得到待预测的两种药物之间的相互作用关系。2.如权利要求1所述的一种基于图注意力网络的药物相互作用预测方法，其特征在于，所述获取待预测的两种药物的分子图包括：将每个药物分子视为一个图，以原子为节点，连接原子之间的化学键视为边，获取分子图中的原子列表和多通道邻接矩阵。3.如权利要求2所述的一种基于图注意力网络的药物相互作用预测方法，其特征在于，所述利用键感知消息传递神经网络将药物的分子图进行编码，获取相应的分子图的嵌入向量包括：利用消息函数通过堆叠每个原子节点的随机初始化嵌入向量和多通道邻接矩阵构建原子节点特征向量矩阵；对于分子图中任意一个原子节点，将具有相同化学键类型的邻居节点信息同时聚合；将该原子节点的聚合结果与该原子节点的特征向量矩阵进行拼接，得到原子节点表示向量；利用三层变换函数更新原子节点表示向量；利用多个消息传递层将更新后的原子节点表示向量输出为分子图的嵌入向量以表示整个分子图。4.如权利要求1所述的一种基于图注意力网络的药物相互作用预测方法，其特征在于，所述使用多层图注意力网络融合特征向量和外部DDI特征，获得更新后的药物分子表示向量，包括：对DDI网络图中每个分子节点实行自注意力机制；引入softmax函数对分子节点所有的邻居分子节点进行正则化得到更新后的注意力系数；对更新后的不同分子节点之间的注意力系数进行加权得到药物分子表示向量。5.如权利要求4所述的一种基于图注意力网络的药物相互作用预测方法，其特征在于，还包括：在得到药物分子表示向量后，基于图对比学习整合多视图药物分子表示向量；所述图对比学习方法包括：对于每一种药物，将其自身固定为锚点，...

【专利技术属性】
技术研发人员：张维玉，韩慧，朱子红，明岩，
申请(专利权)人：齐鲁工业大学山东省科学院，
类型：发明
国别省市：