申请/专利权人：山东师范大学

申请日：2021-05-27

公开（公告）日：2024-04-02

公开（公告）号：CN113362963B

主分类号：G16H70/40

分类号：G16H70/40;G06N3/042;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2021.09.24#实质审查的生效;2021.09.07#公开

摘要：本发明属于数据分析挖掘技术领域，提供了一种基于多源异构网络的预测药物之间副作用的方法及系统。其中，该方法包括获取药物之间副作用的数据、药物和副作用之间对应关系的数据及药物和不同生物模态之间对应关系的数据，构建不同药物之间相互作用的符号网络；针对不同生物模态，对药物之间相互作用的符号网络进行图卷积，得到相应特征矩阵，并融合所有生物模态下的特征矩阵；通过解码矩阵对融合的特征矩阵中的药物编码进行解码，得到重构的药物之间的副作用网络；根据重构的药物之间的副作用网络中的信息得到邻接矩阵，根据邻接矩阵计算预测药物之间的副作用的准确率。

主权项：1.一种基于多源异构网络的预测药物之间副作用的方法，其特征在于，包括：获取药物之间副作用的数据、药物和副作用之间对应关系的数据及药物和不同生物模态之间对应关系的数据，所述生物模态包括途径、酶、适应症和转运蛋白，根据不同的生物模态，构建不同药物之间相互作用的符号网络；药物之间的副作用网络被认为是由于联合用药引起的某些不良影响，这些不良反应是天然药理作用，药物之间的副作用关系可以通过矩阵AADR来描述，也就是说，如果药物i和药物j之间有副作用，则AADRi,e为1，如果药物i和药物j之间的副作用未知，则AADRi,j为0，即： 定义药物之间的正作用步骤：药物之间的副作用关系由矩阵APE描述： 在此，Sij表示药物i和药物j之间的归一化相似度，并且μ∈[0,1是阈值，换句话说，如果Sijμ，则在药物i和药物j之间有积极作用；否则，如果Sijμ，则在药物i和药物j之间没有积极作用；综上所述，这两种药物是否有积极作用，取决于它们在生物学方式上的相似性；药物i和药物j之间的相似性定义为： 给定一个具有特征向量Vi和Vj的药物i和药物j，M11是其中Vi和Vj的值都为1的维数；M01是Vi和Vj的值分别为0和1的维数；M10是Vi和Vj的值分别为1和0的维数；符号网络DDISN形式化为GDDISN＝V，E，APE，AADR，其中V是所有节点的集合，其中节点代表药物；E是所有节点之间的所有关系的集合；AADR是网络GADR的邻接矩阵；APE是网络GDDPE的邻接矩阵；假设ei,j＝ej,i，邻接矩阵ADDISN的元素ADDISNi,j被表示为： 符号传播过程是基于符号传播矩阵SPM来完成的，根据结构平衡理论，使用传播操作迭代更新SPM；详细的迭代过程基于：SPM0＝ISPM1＝ADDISNI∈RN×N是一个单位矩阵； Signx是符号函数： 在DDISN的符号传播过程之后，我们在DDISN中获得M阶符号传播矩阵SPMm，得到的SPMm就是药物特征网络；针对不同生物模态，对药物之间相互作用的符号网络进行图卷积，卷积过程分别用于所有类型的生物学特征，得到相应特征矩阵，并融合所有生物模态下的特征矩阵；通过解码矩阵对融合的特征矩阵中的药物编码进行解码，得到重构的药物之间的副作用网络；根据重构的药物之间的副作用网络中的信息得到邻接矩阵，根据邻接矩阵计算预测药物之间的副作用的准确率，考虑了药物之间副作用的数据、药物和副作用之间对应关系的数据及药物和不同生物模态之间对应关系的数据多种生物特征信息，对于药物特征向量的表达更加全面，使药物的最终向量表达更加准确，从而提高了药物之间副作用的预测准确性。

全文数据：

权利要求：

百度查询： 山东师范大学 基于多源异构网络的预测药物之间副作用的方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD