【技术实现步骤摘要】
本专利技术属于药物协同组合预测，具体涉及一种融合药分子图结构和细胞基因表达谱的协同药物预测方法。
技术介绍
1、在疾病治疗中，联合治疗通常比单一药物治疗更有效。比如，在传统中医中，不同草药的组合通常用于治疗特定的疾病。此外，联合治疗具有减少每种药物的剂量和不良反应的额外优势，特别是在对药物更具耐药性的癌症治疗中，联合治疗几十年来一直是一种有效的策略。因此，获得精准的药物协同组合是具有显著临床和经济意义的重要任务。然而，筛选及获得所有药物协同组合，仅靠临床实验和高通量筛选远远不够，且所需的工作量巨大且成本高昂。因此，迫切需要设计一种有效且精确的计算方法来实现协同药物组合预测。
2、到目前为止，已经提出了许多计算方法来代替实验来预测潜在的协同药物组合。特别是，深度学习方法在预测协同药物组合方面获得了极大的关注。各种深度学习方法已被应用于预测协同药物组合，利用来自高通量筛选的数据集。这些方法利用不同的模型将数据集计算预测出相应的协同值，包括零相互作用效能(z ip)、布利斯独立性模型和loewe加和性模型。
3、这些方...
【技术保护点】
1.一种融合药分子图结构和细胞基因表达谱的协同药物预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤S1中，细胞的基因特征采用以下方法得到：
3.根据权利要求1所述的方法，其特征在于，步骤S1中，药物的分子结构图采用以下方法得到：
4.根据权利要求3所述的方法，其特征在于，步骤S1具体包括：
5.根据权利要求1所述的方法，其特征在于，步骤S2中，拓扑自适应图卷积网络的定义如下：
6.根据权利要求3所述的方法，其特征在于，步骤S2中，多层感知网络包含三个隐藏层，用于从956维细...
【技术特征摘要】
1.一种融合药分子图结构和细胞基因表达谱的协同药物预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤s1中，细胞的基因特征采用以下方法得到：
3.根据权利要求1所述的方法，其特征在于，步骤s1中，药物的分子结构图采用以下方法得到：
4.根据权利要求3所述的方法，其特征在于，步骤s1具体包括：
5.根据权利要求1所述的方法，其特征在于，步骤s2中，拓扑自适应图卷积网络的定义如下：
6.根据权利要求3所述的方法，其特征在于，步骤s2中，多层感知网络包含三个隐藏层，用于从956维细胞输入中提取特征，此外...
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。