[發明專利]一種基于多任務深度神經網絡的中藥功效預測方法

在審

• 申請號: 202010141041.8
• 申請日: 2020-03-03
• 公開（公告）號: CN111383740A
• 公開（公告）日: 2020-07-07
• 發明（設計）人: 譚露露;周銀座;吳晨程
• 申請（專利權）人: 杭州師范大學
• 主分類號: G16H20/90
• 分類號: G16H20/90;G16H50/70;G16H70/40;G06N3/04
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

本發明公開了一種基于多任務深度神經網絡的中藥功效預測方法。本發明步驟：采集相關中醫藥數據，整合形成藥材庫；根據藥材庫與23大類功效表，將中藥材功效總結歸類，構建藥材功效矩陣；根據藥材庫中的藥材性味歸經特性構建性味歸經二值矩陣；根據性味歸經二值矩陣與藥材功效矩陣的信息劃分為訓練集與外部驗證集；基于訓練集，使用多任務深度神經網絡進行訓練，建立預測模型；基于預測模型對所述外部驗證集進行預測；通過輸入藥材，預測藥材可能具有的功效。本發明利用性味歸經文本信息構建成藥材性味歸經二值矩陣，更利于中藥信息的挖掘。本發明提出的多任務深度神經網絡更適用于藥材性味歸經信息的挖掘，看重功效之間的聯系。

技術領域

本發明涉及計算機輔助藥物設計領域，特別涉及一種基于多任務深度神經網絡的中藥功效預測方法。

背景技術

目前成功研發一個新藥平均耗資約10多億美元、耗時約十多年之久。但不幸的是，在研發投入逐年增加的情況下，近20年來的新藥產出(上市新藥數量)卻呈現了不斷下降的趨勢，導致全球制藥行業面臨巨大壓力，甚至使一些巨頭企業瀕臨倒閉的危險。

中藥是全人類的重要資源寶庫，它的發展必然會促進整個人類醫藥行業的發展，并有助于全球藥物研發走出當前困境。近年來，由于研發成本小，老藥新用作為藥物開發的新策略越來越受到重視，并由此誕生了大量的新適應癥藥物，這大大加快了新藥研發的步伐。功效是在中醫理論指導下，對中藥臨床治療的概括，體現了中藥作用的基本特征。中藥功效是擴大中藥藥源，發現瀕危中藥材的替代品。中藥功效的發現最初主要依賴于臨床經驗，但周期長，結果不可預期；目前可通過學篩選發現中藥藥理作用，但結果難以融入中藥臨床實踐。因此，在中藥傳統功效與現代藥理學研究結果的基礎上探索中藥功效預測與發現的技術具有重要意義。

一個嚴峻的事實是，由我國自行研發并具有完全自主知識產權的新藥屈指可數，國產化學藥絕大多數是仿藥，明顯缺乏競爭力和創新能力。而中醫藥產業是我國的特色產業，在國際上具有一定競爭力，因此，中藥現代化已被確立為我國中長期發展的戰略重點之一。當前對藥物的研究多是使用傳統機器學習方法，這類傳統方法面臨很多問題：一是大部分方法未考慮到藥材本身的特性，而中藥的性味歸經是其功效的重要影響因素；二是單任務容易忽略任務之間的聯系。

基于此，本發明針對目前方法中存在的缺陷，利用從著名中醫文獻、數據庫中收集的1249種藥材的性味歸經信息，提出基于藥材性味歸經的多任務深度神經網絡方法。其中，不同任務之間共享參數，可以更好的挖掘出數據特征。

發明內容

本發明的目的是針對現有技術中存在的問題，提出一種基于多任務深度神經網絡的中藥功效預測方法。

本發明解決其技術問題所采用的技術方案包括以下步驟：

(A)采集相關中醫藥數據，整合形成藥材庫；

(B)根據上述藥材庫與23大類功效表，將中藥材功效總結歸類，構建藥材功效矩陣；

(C)根據上述藥材庫中的藥材性味歸經特性構建性味歸經二值矩陣；

(D)根據所述性味歸經二值矩陣與藥材功效矩陣的信息劃分為訓練集與外部驗證集；

(E)基于所述訓練集，使用多任務深度神經網絡進行訓練，建立預測模型；

(F)基于所述預測模型對所述外部驗證集進行預測；通過輸入藥材，預測藥材可能具有的功效。

所述步驟(A)通過文獻、數據庫和其他網絡資源途徑，基于人工、網絡爬蟲、文本挖掘的方法采集中藥材相關數據，整合形成藥材庫；藥材庫中包含了藥材所具有的性味歸經信息與功效信息。