【技术实现步骤摘要】
本专利技术属于药物相互作用预测，特别是涉及一种潜在药物相互作用预测方法、系统、设备及介质。
技术介绍
1、药物－药物相互作用(drug–drug interactions,ddis)是指不同药物在临床上同时或先后服用时会使药物血浆浓度发生改变，影响药物的疗效和毒性，引发不良反应。
2、联合治疗在临床医学中已经成为一种不可或缺的治疗手段。有关报道指出，在过去30天内服用三种或三种以上处方药的美国人占20.8％，服用五种或五种以上药物的占10.1％。药物不良反应事件占所有不良反应事件的19.4％，ddis每年导致约7万次急诊室就诊和19.5万名患者入院。
3、识别药物相互作用阶段一般分为临床前阶段和临床阶段，前者主要是对候选药物进行体外试验或动物试验，后者主要是对志愿者和患者进行体内试验。在药物研发过程中，新药的留存率约为1/5000，临床实验阶段至少要花费3—5年的时间。传统方法对ddis的监测不但耗时长，而且监测时还会存在ddis延迟、临床识别ddis困难等问题。因此，如何在这个过程中及时识别潜在的ddis已经成为亟待解决的重要问题。
4、随着计算机技术和高通量测序技术的进步，越来越多的计算方法被用于预测潜在的ddis。这种方法不仅能够指导实验人员在药物研发中有针对性地进行试验，还能为临床中联合治疗提供有价值的参考。目前，预测ddis的计算方法主要分为三类：(1)基于相似性的计算机方法；(2)基于网络的计算机方法；(3)基于知识图谱的计算机方法。
5、虽然现有的计算方法在ddis预
技术实现思路
1、本专利技术的目的是提供一种潜在药物相互作用预测方法、系统、设备及介质，以解决上述现有技术存在的问题。
2、为实现上述目的，本专利技术提供了一种潜在药物相互作用预测方法，包括：
3、获取生物信息数据；
4、将所述生物信息数据输入药物相互作用模型中进行相互作用预测，得到潜在药物相互作用预测数据；所述药物相互作用模型包括顺次连接的数据处理子模型、随机冲浪采样子模型和特征融合预测子模型；所述药物相互作用模型是基于随机冲浪方式和堆叠去噪自编码器构建的。
5、可选的，所述生物信息数据，具体包括：
6、药物化学亚结构数据、靶点数据、酶数据、药物途径数据和药物相互作用数据。
7、可选的，所述药物相互作用模型的训练方法，具体包括：
8、获取训练数据；所述训练数据包括生物信息训练数据及对应的潜在药物相互作用预测数据；
9、将所述训练数据输入所述药物相互作用模型进行相互作用预测，并以融合后的初始训练结果与所述生物信息数据对应的潜在药物相互作用预测数据之间的损失最小为目标，进行训练，得到所述药物相互作用模型。
10、可选的，所述药物相互作用模型的处理过程，具体包括：
11、将所述生物信息数据输入所述数据处理子模型进行数据预处理，得到生物信息数据中各数据的种类集合数据，基于各所述种类集合数据构建若干二分网络；
12、将各所述若干二分网络输入随机冲浪采样子模型中，以概率转移的方式生成节点序列；
13、基于堆叠去噪自编码器对节点序列进行逐层无监督的预训练和有监督的微调，得到预训练和微调完成后的若干二分网络；
14、通过所述特征融合预测子模型对各二分网络进行特征提取和相互作用预测，得到所述潜在药物相互作用预测数据。
15、可选的，所述二分网络包括：药物－结构网络、药物－靶点网络、药物－酶网络、药物－通路网络和药物相互作用网络。
16、可选的，将各所述若干二分网络输入随机冲浪采样子模型中，以概率转移的方式生成节点序列，具体包括：
17、基于随机冲浪采样子模型获取各所述二分网络的图邻接矩阵作为节点转移概率矩阵，基于pmi指标和各节点转移概率矩阵获取各节点的相关性数据，基于各节点的相关性数据生成节点序列。
18、可选的，通过所述特征融合预测子模型对各二分网络进行特征提取和相互作用预测，得到所述潜在药物相互作用预测数据，具体包括：
19、通过所述特征融合预测子模型对各二分网络进行特征提取，得到若干表征向量，基于各所述表征向量得到若干不同特征组合的药物特征向量，将各所述不同特征组合的药物特征向量作为平衡数据集，将所述平衡数据集输入随机森林分类器进行相互作用预测，得到所述潜在药物相互作用预测数据。
20、一种潜在药物相互作用预测系统，包括：
21、数据采集模块，用于获取生物信息数据；
22、潜在药物相互作用预测模块，用于将所述生物信息数据输入药物相互作用模型中进行相互作用预测，得到潜在药物相互作用预测数据；所述药物相互作用模型包括顺次连接的数据处理子模型、随机冲浪采样子模型和特征融合预测子模型；所述药物相互作用模型是基于随机冲浪方式和堆叠去噪自编码器构建的。
23、一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行所述的一种潜在药物相互作用预测方法。
24、一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如所述的一种潜在药物相互作用预测方法。
25、本专利技术的技术效果为：
26、本专利技术利用随机冲浪的采样方法计算概率转移矩阵，充分考虑了在特征提取中难以详细衡量边际节点之间关联性的问题，更为有效地捕捉了药物节点的高阶信息。
27、本专利技术引入高斯噪声，对多个堆叠的去噪自编码器进行无监督的逐层预训练迫使神经网络学习更具鲁棒性的、不同抽象层次的药物特征，使学习到的药物特征更具表达力和泛化能力。本专利技术通过对提取到多个网络中的特征进行融合，可以消除某一个特定特征可能引入噪声或过拟合的风险，全面性的展示底层数据和原始关键数据的特性。
本文档来自技高网...【技术保护点】
1.一种潜在药物相互作用预测方法，其特征在于，包括：
2.根据权利要求1所述的一种潜在药物相互作用预测方法，其特征在于，所述生物信息数据，具体包括：
3.根据权利要求1所述的一种潜在药物相互作用预测方法，其特征在于，所述药物相互作用模型的训练方法，具体包括：
4.根据权利要求1所述的一种潜在药物相互作用预测方法，其特征在于，所述药物相互作用模型的处理过程，具体包括：
5.根据权利要求4所述的一种潜在药物相互作用预测方法，其特征在于，所述二分网络包括：
6.根据权利要求4所述的一种潜在药物相互作用预测方法，其特征在于，将各所述若干二分网络输入随机冲浪采样子模型中，以概率转移的方式生成节点序列，具体包括：
7.根据权利要求4所述的一种潜在药物相互作用预测方法，其特征在于，通过所述特征融合预测子模型对各二分网络进行特征提取和相互作用预测，得到所述潜在药物相互作用预测数据，具体包括：
8.一种潜在药物相互作用预测系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器及处理器，所述存
10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的一种潜在药物相互作用预测方法。
...【技术特征摘要】
1.一种潜在药物相互作用预测方法，其特征在于，包括：
2.根据权利要求1所述的一种潜在药物相互作用预测方法，其特征在于，所述生物信息数据，具体包括：
3.根据权利要求1所述的一种潜在药物相互作用预测方法，其特征在于，所述药物相互作用模型的训练方法，具体包括：
4.根据权利要求1所述的一种潜在药物相互作用预测方法，其特征在于，所述药物相互作用模型的处理过程，具体包括：
5.根据权利要求4所述的一种潜在药物相互作用预测方法，其特征在于，所述二分网络包括：
6.根据权利要求4所述的一种潜在药物相互作用预测方法，其特征在于，将各所述若干二分网络输入随机冲浪采样子模型中，以概率转移的方式生成...
【专利技术属性】
技术研发人员：魏雨，王磊，李政伟，王美能，魏猛猛，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：
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。