申请/专利权人:广东工业大学
申请日:2021-04-15
公开(公告)日:2021-07-20
公开(公告)号:CN113140327A
主分类号:G16H70/40(20180101)
分类号:G16H70/40(20180101)
优先权:
专利状态码:有效-授权
法律状态:2023.01.03#授权;2021.08.06#实质审查的生效;2021.07.20#公开
摘要:本发明针对现有药物重新定位技术的局限性,提出了一种药物‑疾病关联预测方法及系统,方法部分通过运用权值K最近邻算法降低了现有药物‑疾病原始关联矩阵的稀疏性;同时在提取药物和疾病的相似性特征信息时综合了线性和非线性的特征提取方式,从而获得更加全面的相似特征信息,能够充分反映药物与疾病的关系;并采用二分图扩散方法来计算药物‑疾病关联的预测分数,获得了优良的预测性能。
主权项:1.一种药物-疾病关联预测方法,其特征在于,包括以下步骤:S1,获取药物-疾病关联数据集,所述药物-疾病关联数据集包括;药物-疾病关联矩阵、药物化学相似矩阵以及疾病语义相似矩阵;S2,对所述药物-疾病关联矩阵进行高斯核运算获得药物高斯核相似性矩阵以及疾病高斯核相似性矩阵;S3,结合所述药物化学相似矩阵以及疾病语义相似矩阵,运用权值K最近邻算法对所述药物-疾病关联矩阵进行重构获得药物-疾病关联重构矩阵;S4,根据所述药物-疾病关联重构矩阵,运用线性邻域相似性算法计算获得药物线性邻域相似性矩阵以及疾病线性邻域相似性矩阵;S5,对所述药物高斯核相似性矩阵与药物线性邻域相似性矩阵进行整合获得药物综合相似矩阵;对所述疾病高斯核相似性矩阵与疾病线性邻域相似性矩阵进行整合获得疾病综合相似矩阵;S6,根据所述药物综合相似矩阵、疾病综合相似矩阵以及药物-疾病关联重构矩阵,运用基于二分图的二步扩散方法构建获得药物-疾病关联预测矩阵作为预测结果。
全文数据:
权利要求:
百度查询: 广东工业大学 药物-疾病关联预测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。