[發明專利]基于變分自編碼器的藥物-疾病關聯預測方法

有效

• 申請號: 202110496613.9
• 申請日: 2021-05-07
• 公開（公告）號: CN113223655B
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 魚亮;陳生建
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G16H20/10
• 分類號: G16H20/10;G16B50/00;G16H50/70;G16H50/20
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 陳宏社;王品華

1.一種基于變分自編碼器的藥物-疾病關聯預測方法，其特征在于，包括如下：

(1)構建藥物-疾病關聯矩陣A和疾病-藥物關聯矩陣B：

(1a)從數據庫中獲取與M種藥物S＝{S₁,S₂,...,S_m,...,S_M}存在關聯的N種疾病T＝{T₁,T₂,...,T_n,...,T_N}的K條藥物-疾病關聯數據E＝{E₁,E₂,...,E_k,...,E_K}，每種藥物S_m至少與一種疾病關聯，且每種疾病T_n至少與一種藥物關聯，其中，K≥1000，M≥100，N≥200，S_m表示第m種藥物，T_n表示第n種疾病，1≤m≤M，1≤n≤N，E_k表示第k條藥物-疾病關聯；

(1b)構建大小為M×N且第m行第n列元素A_mn的值為0或1的藥物-疾病關聯矩陣A，并對A進行轉置，得到疾病-藥物關聯矩陣B，其中，A_mn的值為0時表示A_mn對應的第m種藥物和第n種疾病的關聯不在藥物-疾病關聯數據E中，A_mn的值為1時表示A_mn對應的第m種藥物和第n種疾病的關聯在藥物-疾病關聯數據E中；

(2)構建藥物特征矩陣C和疾病特征矩陣D：

(2a)從數據庫中獲取與M種藥物S＝{S₁,S₂,...,S_m,...,S_M}存在關聯的P種基因G＝{G₁,G₂,...,G_p,...,G_P}的Q條藥物-基因關聯數據R＝{R₁,R₂,...,R_q,...,R_Q}，每種藥物S_m至少與一種基因關聯，且每種基因G_p至少與一種藥物關聯；構建大小為M×P且第m行第p列元素C′_mp的值為0或1的藥物-基因關聯矩陣C′，其中，C′_mp的值為0時表示C′_mp對應的第m種藥物和第p種基因的關聯不在藥物-基因關聯數據R中，C′_mp的值為1時表示C′_mp對應的第m種藥物和第p種基因的關聯在藥物-基因關聯數據R中，P≥200，Q≥1000，1≤m≤M，1≤p≤P，G_p表示第p種基因，R_q表示第q條藥物-基因關聯；

(2b)從數據庫中獲取與N種疾病T＝{T₁,T₂,...,T_n,...,T_N}存在關聯的O種基因G＝{G₁,G₂,...,G_o,...,G_O}的J條疾病-基因關聯數據U＝{U₁,U₂,...,U_j,...,U_J}，每種疾病T_n至少與一種基因關聯，且每種基因G_o至少與一種疾病關聯；構建大小為N×O且第n行第o列元素D′_no的值為0或1的疾病-基因關聯矩陣D′，其中，D′的值為0時表示D′_no對應的第n種疾病和第o種基因的關聯不在疾病-基因關聯數據U中，D′的值為1時表示D′_no對應的第n種疾病和第o種基因的關聯在疾病-基因關聯數據U中，O≥200，J≥1000，1≤n≤N，1≤o≤O，U_j表示第j條疾病-基因關聯；

(2c)對大小為M×P的C′和大小為N×O的D′分別進行降維，得到大小為M×V的藥物特征矩陣C和大小為N×W的疾病特征矩陣D，其中，C中的每一行為該行藥物的特征，D中的每一行為該行疾病的特征，1≤V≤P，1≤W≤O；

(3)搭建基于變分自編碼器的藥物-疾病關聯預測模型H：

(3a)搭建基于變分自編碼器的藥物-疾病關聯預測模型H結構：

構建包括并行排列的第一變分自編碼器f¹和第二變分自編碼器f²的藥物-疾病關聯預測模型H，其中，第一變分自編碼器f¹采用包括順次連接的第一編碼器f_e¹、第一隱變量層f_z¹和第一解碼器f_d¹的神經網絡，f_e¹包括多個全連接層和一個均值方差層，f_z¹的輸出端連接有第一數據融合模塊，f_d¹包括多個全連接層和一個sigmoid激活函數輸出層，f¹的權值參數為第二變分自編碼器f²包括順次連接的第二編碼器f_e²、第二隱變量層f_z²和第二解碼器f_d²，f_e²包括多個全連接層和一個均值方差層，f_z²的輸出端連接有第二數據融合模塊，f_d²包括多個全連接層和一個sigmoid激活函數輸出層，f²的權值參數為

(3b)定義第一變分自編碼器f¹的損失函數Loss1和第二變分自編碼器f²的損失函數Loss2：

其中，x表示f¹的輸入數據，表示f¹的預測結果，L_re表示f¹的重構損失，PO_x表示x中值為1的元素集合，PO_x＝{x_i|x_i＝1,1≤i≤N}，NP_x表示x中值為0的元素集合，NP_x＝{x_j|x_j＝0,1≤j≤N}，x_i和x_j分別表示x的第i個和第j個元素，β表示非正例損失衰減因子，非正例表示當前關聯不在已知關聯中，β∈[0,1]；表示均值為μ_x方差為的正態分布，N(0,1)表示標準正太分布，表示和N(0,1)的相對熵，μ_x和δ_x分別表示f¹輸入為x時f_e¹的輸出，α表示相對熵損失衰減因子，α∈[0,1]；y表示f²的輸入數據，表示f²的預測結果，

(4)對基于變分自編碼器的藥物-疾病關聯預測模型H進行迭代訓練：

(4a)初始化迭代次數為i，最大迭代次數為I，I≥300，第i次迭代第一變分自編碼器f¹的權值參數為和第二變分自編碼器f²的權值參數為并令i＝0，

(4b)將藥物-疾病關聯矩陣A和藥物特征C作為藥物-疾病關聯預測模型H中的第一變分自編碼器f¹的輸入，第一編碼器f_e¹對A進行逐行編碼，第一隱變量層f_z¹對f_e¹編碼的均值μ_{f1_i}和方差所構成的正態分布進行采樣，第一數據融合模塊對f_z¹所采集的維度為V的隱變量與藥物特征C中對應行的藥物c進行相加融合，第一解碼器f_d¹對第一數據融合模塊的融合結果進行解碼，得到預測的藥物-疾病關聯矩陣

(4c)將疾病-藥物關聯矩陣B和疾病特征D作為藥物-疾病關聯預測模型H中的第二變分自編碼器f²的輸入，第二編碼器f_e²對B進行逐行編碼，第二隱變量層f_z²對f_e²編碼的均值和方差所構成的正太分布進行采樣，第二數據融合模塊對f_z²所采集的維度為W的隱變量與藥物特征D中對應行的藥物d進行相加融合，第二解碼器f_d²對第二數據融合模塊的融合結果進行解碼，得到預測的疾病-藥物關聯矩陣

(4d)采用損失函數Loss1，并通過A和計算H中的第一變分自編碼器f¹的損失值L1_i，同時采用損失函數Loss2并通過B和計算H中的第二變分自編碼器f²的損失值L2_i；

(4e)采用反向傳播方法，并通過L1_i計算f¹的參數梯度，然后采用梯度下降算法通過f¹的參數梯度對f¹的權值參數進行更新；同時采用反向傳播方法，并通過L2_i計算f²的參數梯度，然后采用梯度下降算法通過f²的參數梯度對f²的權值參數進行更新；

(4f)判斷i≥I是否成立，若是，得到訓練好的藥物-疾病關聯預測模型H′，否則，令i＝i+1，并執行步驟(4b)；

(5)獲取藥物-疾病關聯預測結果Y：

將藥物-疾病關聯矩陣A和藥物特征C作為訓練好的藥物-疾病關聯預測模型H′中的第一變分自編碼器f¹的輸入進行前向傳播，得到f¹預測的藥物-疾病關聯集Y¹，同時將疾病-藥物關聯矩陣B和疾病特征D作為訓練好的藥物-疾病關聯預測模型H′中的第二變分自編碼器f²的輸入進行前向傳播，得到f²預測的藥物-疾病關聯集Y²，Y¹與Y²的交集Y＝Y¹∩Y²即為藥物-疾病關聯預測結果，其中∩表示交集。