[發(fā)明專利]一種基于藥物分類圖神經網絡的藥物重定位方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202210219786.0
• 申請日: 2022-03-08
• 公開（公告）號: CN114613452B
• 公開（公告）日: 2023-04-28
• 發(fā)明（設計）人: 趙思成;朱嘉靜;劉勇國;張云;李巧勤;陸鑫;傅翀
• 申請（專利權）人: 電子科技大學
• 主分類號: G16C20/50
• 分類號: G16C20/50;G16C20/70
• 代理公司: 成都方圓聿聯專利代理事務所(普通合伙) 51241
• 代理人: 茍銘

1.一種基于藥物分類圖神經網絡的藥物重定位方法，其特征在于，包括如下步驟：

S1、獲取藥物相似性數據和疾病相似性數據，并分別構建藥物屬性異構邊網絡G₁和疾病屬性網絡G₂；

S2、分別對藥物屬性邊異構網絡G₁和疾病屬性網絡G₂進行特征提取，對應得到藥物屬性矩陣A和疾病屬性矩陣B；

S3、根據藥物屬性矩陣A和疾病屬性矩陣B，構建藥物疾病關聯網絡G₃；

S4、基于藥物疾病關聯網絡G₃進行消息傳遞和域內對齊，得到藥物嵌入矩陣U和疾病嵌入矩陣V；

S5、基于藥物嵌入矩陣U和疾病嵌入矩陣V，訓練邊置信MLP網絡，得到訓練好的MLP網絡，并使用訓練好的MLP網絡對藥物重定位；

所述步驟S2包括如下步驟：

S21、根據藥物分類為G₁中各類藥物設置對應的區(qū)域表示，并通過基于深度圖互信息理論的類內互信息最大化損失函數L₂^(r)學習嵌入，使各藥物分類中的任一藥物包含該類藥物的區(qū)域表示信息；

S22、采用單層圖神經網絡GCN生成G₁中三種異構相似性邊對應的節(jié)點嵌入矩陣H^(r)，并將H^(r)平均池化融合，得到藥物屬性矩陣A；

S23、根據深度圖互信息DGI理論和疾病分類為G₂中各類疾病設置對應的區(qū)域表示，并使各疾病分類中的任一疾病包含該類疾病的區(qū)域表示信息；

S24、利用深度圖互信息DGI模型通過辨別疾病正例和疾病負例進行對抗學習，并結合深度圖互信息DGI最大化疾病類內互信息的損失函數L₁，得到疾病屬性矩陣B；

所述步驟S4包括如下步驟：

S41、將藥物屬性矩陣A和疾病節(jié)點矩陣B作為初始藥物節(jié)點嵌入矩陣X_u和初始疾病節(jié)點嵌入矩陣X_v傳遞到下一層；

S42、對接收的X_u中的藥物節(jié)點u和X_v中的疾病節(jié)點v分別進行圖卷積，并根據生成器損失函數L_G對應得到第一層偽疾病節(jié)點嵌入矩陣和第一層偽藥物節(jié)點嵌入矩陣實現消息傳遞；

S43、將和分別與X_v和X_u進行一一對應的對抗學習，并通過分辨器損失函數L_D對應得到第一層疾病節(jié)點嵌入矩陣和第一層藥物節(jié)點嵌入實現域內對齊；

S44、重復進行預設k層的逐層消息傳遞和域內對齊，并逐層經從左到右訓練后從右到左反向傳播預設個epoch，得到藥物節(jié)點嵌入矩陣U和疾病節(jié)點嵌入矩陣V。

2.根據權利要求1所述的基于藥物分類圖神經網絡的藥物重定位方法，其特征在于，所述步驟S1包括如下步驟：

S11、通過Cdataset數據庫得到FDA批準藥物和已注冊疾病，并通過DrugBank數據庫得到藥物化學結構、pfam蛋白結構域標注和基因語義注釋信息，且通過OMIM數據庫得到疾病表型數據，并建立藥物化學結構相似性矩陣D₁、pfam蛋白結構域標注相似性矩陣D₂、基因語義注釋信息相似性矩陣D₃和藥物屬性矩陣X_d；

S12、輸入D₁、D₂、D₃和X_d，并根據解剖學、治療學及化學分類法ATC對矩陣D₁、D₂、D₃和X_d中的藥物分類；

S13、利用D₁、D₂、D₃和X_d構造包含藥物節(jié)點和三種異構相似性邊的藥物屬性邊異構網絡G₁；

S14、輸入疾病屬性矩陣X_p和疾病相似性矩陣P，并根據基因表型特征對X_p和P中的疾病分類；

S15、利用P和X_p構造包含疾病節(jié)點和一種相似性邊的疾病屬性網絡G₂。