[發(fā)明專利]一種基于交互表示學(xué)習(xí)的藥物特征表示方法

在審

• 申請?zhí)枺?/td>: 202111126217.3
• 申請日: 2021-09-26
• 公開（公告）號: CN113851197A
• 公開（公告）日: 2021-12-28
• 發(fā)明（設(shè)計(jì)）人: 劉世超;陳思;邱洋;薛一明;章文
• 申請（專利權(quán)）人: 華中農(nóng)業(yè)大學(xué)
• 主分類號: G16C20/70
• 分類號: G16C20/70;G16C20/40;G06N3/04;G06N3/08
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 崔友明

1.一種基于交互表示學(xué)習(xí)的藥物特征表示方法，其特征在于：包括以下步驟：

S1：收集藥物的多尺度描述數(shù)據(jù)；

S2：提取藥物的多尺度特征，包括采用異構(gòu)圖表示學(xué)習(xí)提取藥物的宏觀特征，采用分子圖表示學(xué)習(xí)提取藥物的微觀特征；

S3：使用多尺度數(shù)據(jù)的雙向循環(huán)交互學(xué)習(xí)機(jī)制，交互學(xué)習(xí)藥物的多尺度特征表示。

2.根據(jù)權(quán)利要求1所述的一種基于交互表示學(xué)習(xí)的藥物特征表示方法，其特征在于：所述的步驟S1中，具體步驟為：

S11：從藥物數(shù)據(jù)庫DrugBank中獲取藥物互作用數(shù)據(jù)、藥物靶點(diǎn)數(shù)據(jù)和藥物酶數(shù)據(jù)，并使用ID映射服務(wù)器將藥物的靶點(diǎn)映射到藥物數(shù)據(jù)庫KEGG DRUG中，獲得藥物的代謝通路數(shù)據(jù)；

S12：從藥物數(shù)據(jù)庫BioGRID中獲取藥物和蛋白質(zhì)相互作用的數(shù)據(jù)，將上述藥物描述數(shù)據(jù)和它們之間各種類型的關(guān)系構(gòu)建成異構(gòu)的藥物關(guān)聯(lián)網(wǎng)絡(luò)，獲得藥物的宏觀維度數(shù)據(jù)；

S13：從藥物數(shù)據(jù)庫PubChem中獲取每個(gè)藥物分子的規(guī)范SMILES表示并進(jìn)行預(yù)處理，將SMILES字符串依次轉(zhuǎn)換為分子結(jié)構(gòu)圖和圖數(shù)據(jù)結(jié)構(gòu)的表示形式，采用節(jié)點(diǎn)和邊分別表示原子和化學(xué)鍵，得到藥物的微觀維度數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的一種基于交互表示學(xué)習(xí)的藥物特征表示方法，其特征在于：所述的步驟S2中，提取藥物的宏觀特征的具體步驟為：

S21：構(gòu)建面向異構(gòu)圖的表示學(xué)習(xí)模型；

設(shè)所有節(jié)點(diǎn)類型的集合為O，將每個(gè)節(jié)點(diǎn)v_i∈V劃分為特定的節(jié)點(diǎn)類型；所有鏈接類型的集合為R，將每個(gè)鏈接e∈E劃分為特定的鏈接類型；設(shè)描述藥物的異構(gòu)網(wǎng)絡(luò)G＝(V，E)與節(jié)點(diǎn)類型映射函數(shù)ε：V→O和鏈接類型映射函數(shù)ψ：E→R相關(guān)；將藥物的互作用數(shù)據(jù)、靶點(diǎn)、酶和代謝通路特征構(gòu)建為藥物的異構(gòu)關(guān)聯(lián)網(wǎng)絡(luò)；

采用藥物的異構(gòu)圖表示學(xué)習(xí)模型為每個(gè)節(jié)點(diǎn)學(xué)習(xí)一個(gè)特征表示即映射函數(shù)：

設(shè)|R|＞1，E_r包含屬于類型r∈R的所有鏈接，則：

E＝∪_r∈RE_r，

將異構(gòu)網(wǎng)絡(luò)根據(jù)鏈接的類型劃分為多個(gè)子網(wǎng)絡(luò)：

G_r=(V，E_r)；

為每個(gè)節(jié)點(diǎn)在每種鏈接的類型上學(xué)習(xí)到統(tǒng)一的低維向量表示，并整合得到節(jié)點(diǎn)的宏觀特征表示；

設(shè)節(jié)點(diǎn)v_i在鏈接類型r上的鄰居節(jié)點(diǎn)集合為N_i，r，通過隨機(jī)初始化得到每個(gè)節(jié)點(diǎn)在鏈接類型r上的初始向量表示設(shè)aggregator函數(shù)為聚合函數(shù)，用于采用包括平均、池化的方式聚合信息；update函數(shù)為更新函數(shù)；

將鏈接類型r上的節(jié)點(diǎn)v_i在鏈接類型r上的鄰居信息聚合、更新得到第k階向量表示為則定義更新公式如下：

經(jīng)過K次迭代后，節(jié)點(diǎn)v_i在鏈接類型r上的向量表示u_i，r等價(jià)于設(shè)M為鏈接類型的數(shù)目，拼接節(jié)點(diǎn)v_i在所有鏈接類型上的向量表示，得到節(jié)點(diǎn)的特征向量表示U_i：

S22：采用基于注意力機(jī)制的圖神經(jīng)網(wǎng)絡(luò)框架，通過注意力機(jī)制聚合不同類型的邊的信息提取藥物節(jié)點(diǎn)的宏觀特征表示；

設(shè)w_r和W_r對于鏈接類型r是可訓(xùn)練的參數(shù)，采用自注意力機(jī)制計(jì)算節(jié)點(diǎn)的特征向量表示U_i中的線性組合的系數(shù)即鏈接類型r對節(jié)點(diǎn)v_i的注意力權(quán)重：

設(shè)D_r是可訓(xùn)練的轉(zhuǎn)化矩陣，則節(jié)點(diǎn)v_i在鏈接類型r上的向量表示為：

則節(jié)點(diǎn)v_i在異構(gòu)圖上學(xué)習(xí)到藥物的宏觀特征表示為：