[發(fā)明專利]基于關(guān)系抽取及知識推理的藥物發(fā)現(xiàn)方法、裝置及設(shè)備

有效

• 申請?zhí)枺?/td>: 202010923911.7
• 申請日: 2020-09-04
• 公開（公告）號: CN112017735B
• 公開（公告）日: 2023-08-22
• 發(fā)明（設(shè)計(jì)）人: 張圣;顧大中
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G16C20/70
• 分類號: G16C20/70;G06F40/279
• 代理公司: 深圳市明日今典知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44343
• 代理人: 王杰輝;曹勇

本申請涉及人工智能，揭示了一種基于關(guān)系抽取及知識推理的藥物發(fā)現(xiàn)方法、裝置和計(jì)算機(jī)設(shè)備，其中方法包括：利用關(guān)系抽取模型獲得物質(zhì)?基因?qū)嶓w對和基因?疾病實(shí)體對的關(guān)系類型，根據(jù)物質(zhì)?基因?qū)嶓w對的關(guān)系類型計(jì)算物質(zhì)靶向基因的第一可能性得分；根據(jù)基因?疾病實(shí)體對的關(guān)系類型計(jì)算基因作為疾病的靶向基因的第二可能性得分；計(jì)算物質(zhì)作為疾病的治療物質(zhì)的第三可能性得分。所述關(guān)系抽取模型可以儲(chǔ)存在區(qū)塊鏈中。本申請的方法，從海量的醫(yī)學(xué)文獻(xiàn)中自動(dòng)抽取物質(zhì)?基因、基因?疾病的關(guān)系類型，并利用知識推理藥物具有治療效果或者具有潛在治療效果的物質(zhì)，避免了基于化合物結(jié)構(gòu)性質(zhì)相似度的方案的高成本和低召回，可以獲取更多潛在療效的物質(zhì)。

技術(shù)領(lǐng)域

本申請涉及到人工智能領(lǐng)域，特別是涉及到一種基于關(guān)系抽取及知識推理的藥物發(fā)現(xiàn)方法、裝置和計(jì)算機(jī)設(shè)備。

背景技術(shù)

輔助藥物研發(fā)的主要技術(shù)是發(fā)現(xiàn)或?qū)ふ覍膊∮携熜Щ蛘哂袧撛谥委熜Ч奈镔|(zhì)，支撐后續(xù)的藥物研發(fā)過程。目前對于藥物發(fā)現(xiàn)的技術(shù)主要利用藥理物質(zhì)的化學(xué)結(jié)構(gòu)以及性質(zhì)的相似性發(fā)現(xiàn)新藥，這種方式需要依賴高質(zhì)量的知識豐富的化學(xué)物結(jié)構(gòu)、性質(zhì)、相互作用的知識庫，構(gòu)建成本極高，而且很多化合物新被研究出來的知識、性質(zhì)無法被利用。

關(guān)于新藥研發(fā)的另一個(gè)主要思路是從海量的文獻(xiàn)中自動(dòng)挖掘物質(zhì)、疾病之間的治療關(guān)系，從而發(fā)現(xiàn)候選的藥物，不過這種方式挖掘到的很多都是已經(jīng)存在的知識，對于藥物發(fā)現(xiàn)的推動(dòng)性不大。

目前，已經(jīng)有相關(guān)技術(shù)利用醫(yī)學(xué)知識圖譜中的藥物-靶標(biāo)-疾病來尋找潛在的治療藥物，但關(guān)于物質(zhì)-基因、基因-疾病等醫(yī)學(xué)關(guān)系抽取的研究基本都是針對于二元關(guān)系抽取，沒有判別給定物質(zhì)-基因、基因-疾病實(shí)體對的具體的關(guān)系類型(靶標(biāo)、致病、靶向治療等具體的關(guān)系類型)，無法很好的支撐藥物發(fā)現(xiàn)。

發(fā)明內(nèi)容

本申請的主要目的為提供一種基于關(guān)系抽取及知識推理的藥物發(fā)現(xiàn)方法、裝置和計(jì)算機(jī)設(shè)備，旨在解決目前的藥物發(fā)現(xiàn)方案無法很好地發(fā)現(xiàn)潛在藥物、成本高的技術(shù)問題。

為了實(shí)現(xiàn)上述發(fā)明目的，本申請?zhí)岢鲆环N基于關(guān)系抽取及知識推理的藥物發(fā)現(xiàn)方法，包括：

利用預(yù)設(shè)的關(guān)系抽取模型對包含物質(zhì)-基因?qū)嶓w對或基因-疾病實(shí)體對的自然語句進(jìn)行實(shí)體對關(guān)系抽取，獲得物質(zhì)-基因?qū)嶓w對的關(guān)系類型和基因-疾病實(shí)體對的關(guān)系類型；

根據(jù)物質(zhì)-基因?qū)嶓w對的關(guān)系類型計(jì)算物質(zhì)靶向基因的第一可能性得分；

根據(jù)基因-疾病實(shí)體對的關(guān)系類型計(jì)算基因作為疾病的靶向基因的第二可能性得分；

通過相同的基因，關(guān)聯(lián)得到物質(zhì)-疾病實(shí)體對，根據(jù)所述第一可能性得分和所述第二可能性得分計(jì)算物質(zhì)作為疾病的治療物質(zhì)的第三可能性得分；

當(dāng)所述第三可能性得分大于預(yù)設(shè)閾值時(shí)，則認(rèn)為物質(zhì)為疾病的治療藥物。

進(jìn)一步地，所述利用預(yù)設(shè)的關(guān)系抽取模型對包含物質(zhì)-基因?qū)嶓w對或基因-疾病實(shí)體對的自然語句進(jìn)行實(shí)體對關(guān)系抽取，獲得物質(zhì)-基因?qū)嶓w對的關(guān)系類型和基因-疾病實(shí)體對的關(guān)系類型的步驟，包括：

在醫(yī)學(xué)資料庫中獲取包含物質(zhì)-基因?qū)嶓w對或基因-疾病實(shí)體對的自然語句，對所述自然語句進(jìn)行分詞處理和依存關(guān)系分析；

利用預(yù)先訓(xùn)練的BERT模型對每一個(gè)詞進(jìn)行word?embedding操作，得到詞向量e-word_i；

利用word2vec方法對每一個(gè)詞進(jìn)行Denpendecy?embedding操作，得到依存向量e-dep_i；

利用公式e_i＝(e-word_i：e-dep_i)，i＝1，..n將每個(gè)詞的詞向量和依存向量串聯(lián)拼接起來得到每個(gè)詞的向量表示e_i，其中n表示分詞后的詞的總數(shù)；