[發明專利]一種基于知識圖譜的中藥復方靶標預測方法

在審

• 申請號: 202111123982.X
• 申請日: 2021-09-24
• 公開（公告）號: CN113764035A
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 何潔月;龔倬;張乃心
• 申請（專利權）人: 東南大學
• 主分類號: G16B15/30
• 分類號: G16B15/30;G16H20/10;G06F16/36;G06N3/04;G06N3/08
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 許小莉

本發明公開了一種基于知識圖譜的中藥復方靶標預測方法。依次包括以下步驟：步驟1：根據輸入的復方靶標關系作用圖和中藥復方知識圖譜，使用知識圖譜嵌入技術得到實體和關系的嵌入表示；步驟2：根據步驟1得到的嵌入表示，使用基于圖神經網絡體系結構的關系路徑感知聚合層對嵌入表示進行基于知識圖譜關系的鄰域聚合；步驟3：根據步驟2得到的復方和靶標的嵌入表示，使用協同過濾算法輸出復方靶標預測的匹配分數。通過聯合優化知識圖譜嵌入和協同過濾模塊，模型可以得到一個有效預測復方靶標關聯的預測函數，該函數能夠表示指定復方與靶標間產生關聯的概率。

技術領域

本發明涉及一種復方靶標預測方法，具體涉及一種基于知識圖譜的中藥復方靶標預測方 法。

背景技術

研究中藥復方的作用靶標預測方法，挖掘與臨床實踐豐富且療效確切的復方產生明確作 用關系的靶標和潛在的作用靶標，對于復方的臨床應用及開發指導有著深遠的意義和價值。 然而，現有的基于計算的藥物靶標預測方法大多集中于西藥單分子藥物，研究對象的本質區 別導致其并不能直接應用于具有多成分、多靶點、多途徑調控機理特點，且必須通過其組成 藥材的活性成分來發揮藥效的中藥復方上。同時，目前基于計算的中藥復方靶標預測方法只 是針對某一具體的復方-病癥進行分析，尚未存在通用的中藥復方靶標預測方法。

發明內容

發明目的：本發明的目的在于針對上述存在的問題，提出一種基于知識圖譜的中藥復方 靶標預測方法(Knowledge Graph with Relational Path Network for TargetPrediction of TCM Prescriptions，KGRN)，將中藥復方靶標預測問題轉換為中藥復方的靶標推薦問題。具體來說， 本發明的KGRN模型結合復方靶標作用關系和中藥復方知識圖譜，利用知識圖譜嵌入和圖神 經網絡挖掘知識圖譜中的語義關系和拓撲結構，用于潛在的復方-靶標關聯預測。通過在鄰域 信息聚合過程擴充知識圖譜中關系對節點表示的貢獻，KGRN模型能夠保存路徑所承載的關 系依賴和關系序列，并捕捉到關系之間的相互作用，以提高潛在的復方-靶標關聯預測性能。。

技術方案：本發明所述的一種基于知識圖譜的中藥復方靶標預測方法，依次包括以下順 序執行的步驟：

步驟1.根據輸入的復方靶標關系作用圖和中藥復方知識圖譜，使用知識圖譜嵌入技術得 到實體和關系的嵌入表示；

步驟2.根據步驟1得到的嵌入表示，使用基于圖神經網絡體系結構的關系路徑感知聚合 層對嵌入表示進行基于知識圖譜關系的鄰域聚合；

步驟3.根據步驟2得到的復方和靶標的嵌入表示，利用層聚集機制從所有傳播層中聚合 復方和靶標的表示，使用協同過濾算法輸出復方靶標預測的匹配分數。

進一步地，步驟1具體包括如下步驟：

步驟1.1.將復方靶標作用關系圖和知識圖譜編碼為統一的關系圖其中，和分別 表示一組復方和一組靶標，p和t分別表示復方和靶標，鏈接y_pt＝1表示靶標t和復方p之間的 附加關系Interact，當y_pt＝0時不一定意味著靶標t不是復方p的作用靶標，因為它可能是還 未被發現的潛在的作用靶標。ε和分別表示實體集和關系集，h，r，t分 別表示頭實體、關系和尾實體。

步驟1.2.利用知識圖譜嵌入技術TransR，在三元組粒度上將關系圖中的每個實體和關系 參數化為一個向量：

將實體和關系分別映射到不同的語義空間中，分別為Entity Space(實體空間)和Relation Space(關系空間)，對于關系圖中存在三元組(h，r，t)，TransR通過優化平移原理來學習嵌入每個實體和關系，這里，和分別是h、t和r的嵌入；是e_h和 e_t在關系r空間中的投影表示，對于給定的三元組(h，r，t)，其合理性評分制定如公式(1)：