[發明專利]一種藥物新用途預測方法及裝置

有效

• 申請號: 202010534120.5
• 申請日: 2020-06-12
• 公開（公告）號: CN111681720B
• 公開（公告）日: 2023-08-01
• 發明（設計）人: 鄭思;李姣
• 申請（專利權）人: 中國醫學科學院醫學信息研究所
• 主分類號: G16C20/70
• 分類號: G16C20/70;G06F18/2321;G06F18/22
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 錢娜

本發明提供一種藥物新用途預測方法及裝置，獲取藥物集合中藥物之間的相似度、因素集合中各層級的因素之間的相似度以及疾病集合中疾病之間的相似度；藥物至因素集合中位于第一層級的因素、因素集合中相鄰兩層級中上一層級因素至下一層級因素、因素集合中最后一層級的因素至疾病之間的轉移概率來度量對象間的距離，通過這些距離確定藥物集合中的藥物經過各因素到達疾病的各條可能鏈路，從各條可能鏈路中確定出目標鏈路，目標鏈路用于指示某種藥物可用于治療某種疾病(即某種藥物的新用途)，并通過位于目標鏈路中的各因素示出藥物在人體內的作用機制，提高藥物新用途預測的準確度。

技術領域

本發明屬于數據處理技術領域，尤其涉及一種藥物新用途預測方法及裝置。

背景技術

藥物新用途研發作為醫藥領域最重要的板塊，近年來確因風險高、成本高、研發周期過長等問題，呈現出發展速度漸緩的趨勢，為了縮短研發時間和降低研發成本，人工智能技術被應用到藥物新用途研發領域。目前人工智能技術在藥物新用途研發領域中的應用包括以下三類：

(1)基于相似度計算的網絡重構方法，例如基于化學結構計算藥物-藥物相似度、基于藥物治療的疾病的相似度和基于藥物靶標序列相似度來計算藥物-藥物相似度；(2)基于藥物網絡的推理方法，例如通過機器學習和網絡圖最短距離等的推理方法；(3)相似度計算與網絡推理相融合的方法，例如混合網絡模型和混合圖推理方法。

但是藥物新用途對于疾病的治療是一個復雜生物學過程，通過上述方式無法有效模擬藥物在人體內的作用機制，降低藥物新用途預測的準確度。

發明內容

有鑒于此，本發明的目的在于提供一種藥物新用途預測方法及裝置，能夠模擬藥物在人體內的作用機制，從而提高藥物新用途預測的準確度。

一方面，本發明提供一種藥物新用途預測方法，所述方法包括：

獲取藥物集合中藥物之間的相似度，其中藥物為已知至少一種藥物用途的藥物；

獲取因素集合中各層級的因素之間的相似度以及疾病集合中疾病之間的相似度，所述因素集合中各層級因素影響藥物在人體內的作用機制；

根據藥物之間的相似度、因素之間的相似度以及疾病之間的相似度，計算藥物至因素集合中第一層級的因素的轉移概率、因素集合中相鄰兩層級中上一層級因素至下一層級因素的轉移概率以及因素集合中最后一層級的因素至疾病的轉移概率，所述相似度用于度量同類對象之間的距離，所述轉移概率用于度量不同類對象之間的距離；

根據所述轉移概率，確定從所述藥物經過所述因素集合中各因素到達所述疾病的各條可能鏈路；

從所述各條可能鏈路中確定出目標鏈路，所述目標鏈路用于指示所述藥物可治療的疾病，并通過位于所述目標鏈路中的各因素示出所述藥物在人體內的作用機制。

可選的，所述根據藥物之間的相似度、因素之間的相似度以及疾病之間的相似度，計算藥物至因素集合中第一層級的因素的轉移概率、因素集合中相鄰兩層級中上一層級因素至下一層級因素的轉移概率以及因素集合中最后一層級的因素至疾病的轉移概率包括：

對于所述藥物至因素集合中第一層級的因素、所述因素集合中相鄰兩層級中上一層級因素至下一層級因素以及最后一層級的因素至疾病中計算轉移概率的任意兩個對象，以前者為第一對象，后者為第二對象，通過如下步驟計算第一對象至第二對象的轉移概率：

構建所述第一對象對應的無向圖，其中所述無向圖以所述第一對象為節點，以所述第一對象之間的相似度作為所述無向圖中連接節點的邊的權重；

獲取與邊的權重對應的轉移特征以及與節點對應的狀態特征；

根據所述轉移特征和所述狀態特征，計算所述第一對象至所述第二對象的轉移概率。

可選的，所述根據所述轉移特征和所述狀態特征，計算所述第一對象至所述第二對象的轉移概率包括：