System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及药物重定位,具体而言,涉及一种基于纠偏机制和对比学习的药物重定位方法及系统。
技术介绍
1、药物重定位是指为罕见病或无治疗药物的疾病发现候选药物,深度学习技术已经成为药物重定位的主流技术之一。一般来讲,基于深度学习的药物重定位模型旨在有效整合多种网络结构信息,从而为每个疾病和药物学习到高质量的表征,最终达到预测的目的。
2、药物和疾病通常组成三种网络,即,药物-药物网络、疾病-疾病网络和药物疾病关联网络,这两种同构网络和一种异构网络包含着丰富的结构信息。然而,其中有的信息是重要的,有些信息并不重要,甚至可以被视为噪声信息,因此,急需设计一种新型药物重定位技术,通过对丰富的信息进行区分,从而学习到可靠的表征。
技术实现思路
1、为了解决上述问题,本专利技术提供了一种基于纠偏机制和对比学习的药物重定位方法,包括以下三个阶段:
2、数据处理阶段:基于疾病信息和药物信息的先验知识,通过lightgcn结合纠偏机制分别对所述疾病信息和所述药物信息进行聚合,分别获取药物节点的异构特征及邻居特征、疾病节点的异构特征及邻居特征;
3、数据优化阶段:根据药物节点和疾病节点的异构特征及邻居特征,分别生成表征药物节点和疾病节点的异构特征视图和邻居特征视图进行对比学习,并结合加权二元交叉熵损失,进行数据优化;
4、预测阶段:根据优化后的所述药物节点和所述疾病节点的异构特征及邻居特征进行加权融合,得到所述药物节点和所述疾病节点的最终嵌入向量,并进
5、优选地,在数据处理阶段,根据药物与疾病之间的关系、不同药物之间的关系以及不同疾病之间的关系,作为疾病信息和药物信息的先验知识。
6、优选地,在数据处理阶段进行信息聚合的过程中,通过lightgcn结合纠偏机制,根据药物节点与疾病节点的关系,聚合节点的异构信息;
7、根据药物节点或疾病节点的前k个邻居节点,分别聚合不同节点的同构信息。
8、优选地,在数据处理阶段获取嵌入向量的过程中,根据聚合后的异构信息和同构信息,生成不同节点的嵌入向量,其中,每个嵌入向量之间根据药物节点与疾病节点的关系、不同药物之间的关系以及不同疾病之间的关系进行关联。
9、优选地,在数据处理阶段,通过纠偏机制,为不同的聚合节点自适应的分配不同的逆偏差分数后进行信息聚合,从而缓解流行节点和长尾节点带来的偏差影响。
10、优选地,在数据优化阶段,基于不同节点对应的异构特征及邻居特征,构建双视图进行对比学习,并结合加权二元交叉熵损失,作为优化目标。
11、本专利技术提供了一种基于纠偏机制和对比学习的药物重定位系统,包括:
12、数据采集模块,用于获取数据集中的药物信息和疾病信息;
13、数据预处理模块,用于基于疾病信息和药物信息的先验知识,通过lightgcn结合纠偏机制分别对所述疾病信息和所述药物信息进行聚合,分别获取药物节点的异构特征及邻居特征、疾病节点的异构特征及邻居特征;
14、数据优化模块,用于根据药物节点和疾病节点的异构特征及邻居特征,分别生成表征药物节点和疾病节点的异构特征视图和邻居特征视图进行对比学习,并结合加权二元交叉熵损失,进行数据优化;
15、预测模块,用于根据优化后的药物节点和疾病节点的异构特征及邻居特征进行加权融合,得到所述药物节点和所述疾病节点的最终嵌入向量,并进行点积操作,获取药物与疾病之间的关联预测,从而分析疾病对应的潜在药物。
16、优选地,数据预处理模块,用于根据药物与疾病之间的关系、不同药物之间的关系以及不同疾病之间的关系,作为疾病信息和药物信息的先验知识;通过lightgcn结合纠偏机制,根据药物节点与疾病节点的关系,聚合节点的异构信息;根据药物节点或疾病节点的前k个邻居节点,分别聚合不同节点的同构信息。
17、优选地,数据预处理模块,还用于根据聚合后的异构信息和同构信息,生成不同节点的嵌入向量,其中,每个嵌入向量之间根据药物节点与疾病节点的关系、不同药物之间的关系以及不同疾病之间的关系进行关联。
18、优选地,数据优化模块,还用于基于不同节点对应的异构特征及邻居特征,构建双视图进行对比学习,并结合加权二元交叉熵损失,作为优化目标。
19、本专利技术公开了以下技术效果:
20、本专利技术首次提出并引入纠偏机制来缓解药物重定位中流行节点和长尾节点造成的偏差,从而获取更具有表达性的节点特征;
21、本专利技术在模型优化阶段引入了对比学习来捕获监督信号,以缓解数据稀疏问题。
本文档来自技高网...【技术保护点】
1.一种基于纠偏机制和对比学习的药物重定位方法,其特征在于,包括以下三个阶段:
2.根据权利要求1所述一种基于纠偏机制和对比学习的药物重定位方法,其特征在于:
3.根据权利要求2所述一种基于纠偏机制和对比学习的药物重定位方法,其特征在于:
4.根据权利要求3所述一种基于纠偏机制和对比学习的药物重定位方法,其特征在于:
5.根据权利要求4所述一种基于纠偏机制和对比学习的药物重定位方法,其特征在于:
6.根据权利要求5所述一种基于纠偏机制和对比学习的药物重定位方法,其特征在于:
7.一种基于纠偏机制和对比学习的药物重定位系统,其特征在于,包括:
8.根据权利要求7所述一种基于纠偏机制和对比学习的药物重定位系统,其特征在于:
9.根据权利要求8所述一种基于纠偏机制和对比学习的药物重定位系统,其特征在于:
10.根据权利要求9所述一种基于纠偏机制和对比学习的药物重定位系统,其特征在于:
【技术特征摘要】
1.一种基于纠偏机制和对比学习的药物重定位方法,其特征在于,包括以下三个阶段:
2.根据权利要求1所述一种基于纠偏机制和对比学习的药物重定位方法,其特征在于:
3.根据权利要求2所述一种基于纠偏机制和对比学习的药物重定位方法,其特征在于:
4.根据权利要求3所述一种基于纠偏机制和对比学习的药物重定位方法,其特征在于:
5.根据权利要求4所述一种基于纠偏机制和对比学习的药物重定位方法,其特征在于:<...
【专利技术属性】
技术研发人员:孟亚洁,王毅,许俊林,唐贤方,卢长城,郭程,刘芊蕊,朱强,胡新荣,彭涛,
申请(专利权)人:武汉纺织大学,
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。