欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022108371790
申请人: 桂林理工大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于DS证据理论的药物相互作用预测方法,其特征在于,包括如下步骤:

步骤S1.数据收集:从DrugBank、UniProt等多个数据库中获取药物多模态异质数据和药物相互作用数据,构建药物相互作用数据集;

步骤S2.数据处理:将药物的多模态数据转化为可计算的二进制特征表示,拼接两个药物的特征作为药物相互作用事件的特征向量;

步骤S3.模型构建:构建多模态的药物相互作用预测模型,并使用步骤S1中构建的药物相互作用数据集作为数据样本,步骤S2中的药物相互作用事件的特征向量作为输入进行预测模型的训练,得到训练后的药物相互作用预测模型;

步骤S4.作用预测:使用步骤S3中训练后的预测模型对药物之间的相互作用事件进行预测。

2.根据权利要求1所述的一种基于DS证据理论的药物相互作用预测方法,其特征在于,所述步骤S1中获取药物的多模态异质数据主要包括药物的分子结构数据、药物靶标数据、药物代谢酶数据。

3.根据权利要求1所述的一种基于DS证据理论的药物相互作用预测方法,其特征在于,所述步骤S2中将药物的异质数据转化为可计算二进制特征表示包括:使用摩根分子指纹算法将药物分子结构SMILE符号表示转化为二进制特征表示;用0和1表示药物作用靶标和药物代谢酶的存在与否,将药物的靶标特征和代谢酶特征也转化为可计算的二进制特征表示。

4.根据权利要求1所述的一种基于DS证据理论的药物相互作用预测方法,其特征在于,所述步骤S3中训练后的多模态药物相互作预测模型主要包含三个模块:药物多模态特征提取模块、深度学习网络模块、DS证据理论决策融合模块;其中药物多模态特征提取模块包括药物分子结构特征提取子模块、药物靶标特征提取模块、药物代谢酶特征提取子模块;深度学习网络模块包括药物分子结构预测子网络模块、药物靶标预测子网络预测模块、药物代谢酶预测子网络模块;药物多模态特征提取模块与深度学习网络模块相连,深度学习网络模块与DS证据理论决策融合模块相连。

5.根据权利要求4所述的一种基于DS证据理论的药物相互作用预测方法,其特征在于,所述药物多模态特征提取模块包括药物分子结构特征提取子模块、药物靶标特征提取模块、药物代谢酶特征提取子模块,分别使用主成分分析算法(PCA)对不同模态的特征向量进行降维,提取低维特征作为深度学习网络模块的输入。

6.根据权利要求4所述的一种基于DS证据理论的药物相互作用预测方法,其特征在于,所述深度学习网络模块用于生成药物相互用于的预测结果,包含药物分子结构预测子网络模块、药物靶标预测子网络预测模块、药物代谢酶预测子网络模块,分别使用药物的不同模态特征向量作为输入,然后计算得出预测结果。

7.根据权利要求4所述的一种基于DS证据理论的药物相互作用预测方法,其特征在于,所述的DS证据理论决策融合模块将深度学习网络模块计算出的预测结果作为Dirichlet分布的参数,计算得到单个模态的不确定性,然后根据各个模态的不确定性使用DS证据理论对多模态的预测结果进行融合,得到最终的预测结果和整体的不确定性。