[發明專利]藥物聯用的效果預測方法、模型訓練方法、裝置及設備

有效

• 申請號: 202210403681.0
• 申請日: 2022-04-18
• 公開（公告）號: CN114792573B
• 公開（公告）日: 2023-02-28
• 發明（設計）人: 胡靖;趙國棟;方曉敏;王凡;何徑舟
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G16H70/40
• 分類號: G16H70/40;G16B40/00;G06N3/0464;G06N3/08
• 代理公司: 北京鴻德海業知識產權代理有限公司 11412
• 代理人: 田宏賓

1.一種藥物聯用的效果預測方法，包括：

獲取待檢測的聯用的兩種藥物信息、待檢測的細胞系信息以及預設的蛋白質集合；

基于所述蛋白質集合、所述兩種藥物信息和所述細胞系信息，預測所述兩種藥物聯用時對所述細胞系是否有效；

基于所述蛋白質集合、所述兩種藥物信息和所述細胞系信息，預測所述兩種藥物聯用時對所述細胞系是否有效，包括：

分別基于所述蛋白質集合、所述兩種藥物信息中的各所述藥物信息以及所述細胞系信息，獲取所述蛋白質集合各所述蛋白質的特征、各所述藥物的原子級特征以及分子級特征、和所述細胞系的特征；

采用預先訓練的藥物聯用預測模型中的第一注意力處理模塊，基于各所述藥物的原子級特征和所述蛋白質集合中各所述蛋白質的特征，預測各所述藥物與各所述蛋白質之間的注意力分數；

采用所述藥物聯用預測模型中的第二注意力處理模塊，基于各所述藥物的分子級特征與所述細胞系的特征，預測各所述藥物與所述細胞系之間的注意力分數、以及所述兩種藥物之間的注意力分數；

基于各所述藥物與各所述蛋白質之間的注意力分數、各所述藥物與所述細胞系之間的注意力分數、以及所述兩種藥物之間的注意力分數，預測所述兩種藥物聯用時對所述細胞系的作用概率。

2.根據權利要求1所述的方法，其中，基于所述蛋白質集合、所述兩種藥物信息和所述細胞系信息，預測所述兩種藥物聯用時對所述細胞系是否有效，還包括：

檢測所述作用概率是否大于或者等于預設概率閾值；

若是，確定所述兩種藥物聯用時對所述細胞系有效。

3.根據權利要求1所述的方法，其中，分別基于所述蛋白質集合、所述兩種藥物信息中的各所述藥物信息以及所述細胞系信息，獲取所述蛋白質集合各所述蛋白質的特征、各所述藥物的原子級特征以及分子級特征、和所述細胞系的特征，包括：

基于所述蛋白質集合中的各蛋白質的分子標識，獲取各所述蛋白質的特征；

基于所述兩種藥物信息中的各所述藥物信息，獲取各所述藥物的原子級特征；

基于各所述藥物的原子級特征，獲取各所述藥物的分子級特征；

基于所述細胞系信息，獲取所述細胞系的特征。

4.根據權利要求1所述的方法，其中，基于各所述藥物與各所述蛋白質之間的注意力分數、各所述藥物與所述細胞系之間的注意力分數、以及所述兩種藥物之間的注意力分數，預測所述兩種藥物聯用時對所述細胞系的作用概率，包括：

采用所述藥物聯用預測模型中的拼接模塊，將各所述藥物與各所述蛋白質之間的注意力分數、各所述藥物與所述細胞系之間的注意力分數、以及所述兩種藥物之間的注意力分數進行拼接，得到拼接分數特征；

采用所述藥物聯用預測模型中的預測模塊，基于所述拼接分數特征，預測所述兩種藥物聯用時對所述細胞系的作用概率。

5.一種藥物聯用預測模型的訓練方法，包括：

采集預設的蛋白質集合；

采集數條訓練數據，各所述訓練數據中包括聯用的兩種訓練藥物信息、訓練細胞系信息以及所述兩種訓練藥物聯用時對所述訓練細胞系的作用概率標簽；

基于各條所述訓練數據以及所述蛋白質集合，對藥物聯用預測模型進行訓練；

基于各條所述訓練數據以及所述蛋白質集合，對藥物聯用預測模型進行訓練，包括：

對于各條所述訓練數據，分別基于所述蛋白質集合、所述訓練數據中的所述訓練細胞系信息和所述兩種訓練藥物信息中的各所述訓練藥物信息，獲取所述蛋白質集合中各蛋白質的特征、所述訓練數據中的各所述訓練藥物的原子級特征以及分子級特征、和所述訓練細胞系的特征；

采用所述藥物聯用預測模型中的第一注意力處理模塊，基于各所述訓練藥物的原子級特征和所述蛋白質集合中各所述蛋白質的特征，預測各所述訓練藥物與各所述蛋白質之間的注意力分數；

采用所述藥物聯用預測模型中的第二注意力處理模塊，基于各所述訓練藥物的分子級特征與所述細胞系的特征，預測各所述訓練藥物與所述細胞系之間的注意力分數、以及所述兩種訓練藥物之間的注意力分數；

基于各所述訓練藥物與各所述蛋白質之間的注意力分數、各所述訓練藥物與所述細胞系之間的注意力分數、以及所述兩種訓練藥物之間的注意力分數，預測所述兩種訓練藥物聯用時對所述訓練細胞系的預測作用概率。