[發(fā)明專利]基于知識(shí)圖譜的圖卷積藥物對(duì)相互作用預(yù)測(cè)方法及系統(tǒng)在審
| 申請(qǐng)?zhí)枺?/td> | 202010216234.5 | 申請(qǐng)日： | 2020-03-25 |
| 公開（公告）號(hào)： | CN111564186A | 公開（公告）日： | 2020-08-21 |
| 發(fā)明（設(shè)計(jì)）人： | 全哲;林軒;王志杰;馬騰飛;曾湘詳 | 申請(qǐng)（專利權(quán)）人： | 湖南大學(xué) |
| 主分類號(hào)： | G16C20/30 | 分類號(hào)： | G16C20/30;G16C20/50;G16C20/70 |
| 代理公司： | 深圳市興科達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 44260 | 代理人： | 王翀;陽(yáng)江軍 |
| 地址： | 410082 湖*** | 國(guó)省代碼： | 湖南;43 |
| 權(quán)利要求書： | 查看更多 | 說(shuō)明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 基于 知識(shí) 圖譜 圖卷 藥物 相互作用 預(yù)測(cè) 方法 系統(tǒng) | ||
1.一種基于知識(shí)圖譜的圖卷積藥物對(duì)相互作用預(yù)測(cè)方法，其特征在于，包括如下步驟：
S1:提取藥物對(duì)數(shù)據(jù)樣本，生成數(shù)據(jù)集，所述數(shù)據(jù)集包括訓(xùn)練集、驗(yàn)證集和測(cè)試集；
S2：構(gòu)建所述數(shù)據(jù)集對(duì)應(yīng)的知識(shí)圖譜；
S3:建立GCN藥物對(duì)相互作用預(yù)測(cè)模型，利用所述知識(shí)圖譜學(xué)習(xí)所述藥物對(duì)中所含藥物及其鄰域的特征信息；
S4:將所述訓(xùn)練集中的藥物對(duì)數(shù)據(jù)樣本輸入到所述GCN藥物對(duì)相互作用預(yù)測(cè)模型，對(duì)所述GCN藥物對(duì)相互作用預(yù)測(cè)模型進(jìn)行訓(xùn)練；
S5:將所述GCN藥物對(duì)相互作用預(yù)測(cè)模型的訓(xùn)練結(jié)果優(yōu)化損失函數(shù)后重新送入所述GCN藥物對(duì)相互作用預(yù)測(cè)模型進(jìn)行訓(xùn)練；
S6:經(jīng)過(guò)多次迭代計(jì)算，完成所述GCN藥物對(duì)相互作用預(yù)測(cè)模型的訓(xùn)練；
S7：將所述測(cè)試集中的藥物對(duì)數(shù)據(jù)樣本輸入到所述GCN藥物對(duì)相互作用預(yù)測(cè)模型中，得到測(cè)試結(jié)果；
S8：對(duì)所述測(cè)試結(jié)果進(jìn)行分析，得到藥物對(duì)相互作用的預(yù)測(cè)結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于知識(shí)圖譜的圖卷積藥物對(duì)相互作用預(yù)測(cè)方法，其特征在于，所述數(shù)據(jù)集中所述訓(xùn)練集的占比為80％，所述驗(yàn)證集的占比為10％，所述測(cè)試集的占比為10％。
3.根據(jù)權(quán)利要求1所述的基于知識(shí)圖譜的圖卷積藥物對(duì)相互作用預(yù)測(cè)方法，其特征在于，所述步驟S2包括以下步驟：
S21：從網(wǎng)站下載所述數(shù)據(jù)集中各原始數(shù)據(jù)的壓縮文件；
S22：使用Bio2RDF工具將所述壓縮文件轉(zhuǎn)換為RDF圖數(shù)據(jù)；
S23：將所述RDF圖數(shù)據(jù)上傳至RDF三元組存儲(chǔ)器，通過(guò)執(zhí)行基準(zhǔn)操作以提取選定的三元組，得到所述數(shù)據(jù)集中對(duì)應(yīng)數(shù)據(jù)的知識(shí)圖譜。
4.根據(jù)權(quán)利要求1所述的基于知識(shí)圖譜的圖卷積藥物對(duì)相互作用預(yù)測(cè)方法，其特征在于，所述GCN藥物對(duì)相互作用預(yù)測(cè)模型包含依次設(shè)置的一個(gè)嵌入層及兩個(gè)GCN層。
5.根據(jù)權(quán)利要求4所述的基于知識(shí)圖譜的圖卷積藥物對(duì)相互作用預(yù)測(cè)方法，其特征在于，所述知識(shí)圖譜輸入至所述GCN層用于鄰域信息聚類操作，以對(duì)所述GCN藥物對(duì)相互作用預(yù)測(cè)模型進(jìn)行訓(xùn)練。
6.根據(jù)權(quán)利要求4所述的基于知識(shí)圖譜的圖卷積藥物對(duì)相互作用預(yù)測(cè)方法，其特征在于，所述步驟S4具體為：將所述訓(xùn)練集中的藥物對(duì)數(shù)據(jù)樣本依次輸入至所述嵌入層及所述GCN層進(jìn)行處理。
7.根據(jù)權(quán)利要求6所述的基于知識(shí)圖譜的圖卷積藥物對(duì)相互作用預(yù)測(cè)方法，其特征在于，所述步驟S4包括如下步驟：
S41：分別輸入所述訓(xùn)練集一個(gè)藥物對(duì)數(shù)據(jù)樣本中藥物實(shí)體至所述嵌入層，得到隨機(jī)初始化向量；
S42：將所述嵌入層輸出的初始化向量送入至所述GCN層；
S43：經(jīng)過(guò)所述GCN層的鄰域采樣及聚類操作，得到藥物對(duì)的評(píng)分結(jié)果。
8.根據(jù)權(quán)利要求1所述的基于知識(shí)圖譜的圖卷積藥物對(duì)相互作用預(yù)測(cè)方法，其特征在于，在所述步驟S5具體為：將所述GCN層的訓(xùn)練結(jié)果送至分類器，所述分類器優(yōu)化損失函數(shù)后繼續(xù)將所述訓(xùn)練結(jié)果送入所述嵌入層以繼續(xù)對(duì)所述GCN藥物對(duì)相互作用預(yù)測(cè)模型進(jìn)行訓(xùn)練。
9.根據(jù)權(quán)利要求1所述的基于知識(shí)圖譜的圖卷積藥物對(duì)相互作用預(yù)測(cè)方法，其特征在于，在所述步驟S6中，進(jìn)行50次迭代計(jì)算或當(dāng)連續(xù)5次迭代計(jì)算的結(jié)果不再變化時(shí)，所述GCN藥物對(duì)相互作用預(yù)測(cè)模型即訓(xùn)練完成。
10.一種基于知識(shí)圖譜的圖卷積藥物對(duì)相互作用預(yù)測(cè)系統(tǒng)，其特征在于，包括：
藥物對(duì)提取模塊，用于提取藥物對(duì)數(shù)據(jù)樣本，生成數(shù)據(jù)集，所述數(shù)據(jù)集包括訓(xùn)練集、驗(yàn)證集和測(cè)試集；
知識(shí)圖譜構(gòu)建模塊，用于構(gòu)建所述數(shù)據(jù)集對(duì)應(yīng)的知識(shí)圖譜，所述知識(shí)圖譜包括實(shí)體、關(guān)系和三元組集合；
GCN藥物對(duì)相互作用預(yù)測(cè)模型，用于學(xué)習(xí)藥物及其鄰域的特征信息，其設(shè)置于所述知識(shí)圖譜構(gòu)建模塊和藥物對(duì)提取模塊的輸出端，所述GCN藥物對(duì)相互作用預(yù)測(cè)模型包含依次設(shè)置的一個(gè)嵌入層及兩個(gè)GCN層，所述嵌入層設(shè)置于所述知識(shí)圖譜構(gòu)建模塊和藥物對(duì)提取模塊的輸出端；及
分類器，用于生成任務(wù)分類的輸出標(biāo)簽，所述分類器設(shè)置于所述GCN層的輸出端。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于湖南大學(xué)，未經(jīng)湖南大學(xué)許可，擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請(qǐng)聯(lián)系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/202010216234.5/1.html，轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 基于本體的知識(shí)地圖繪制系統(tǒng)
- 基于知識(shí)地圖的領(lǐng)域知識(shí)瀏覽方法
- 一種基于知識(shí)本體的知識(shí)體系的建模方法
- 一種知識(shí)工程系統(tǒng)
- 知識(shí)自動(dòng)化系統(tǒng)和方法以及存儲(chǔ)器
- 基于SOLR的知識(shí)管理系統(tǒng)
- 基于知識(shí)節(jié)點(diǎn)所屬度的知識(shí)圖譜構(gòu)建方法和裝置
- 一種基于知識(shí)圖譜的稅務(wù)知識(shí)庫(kù)系統(tǒng)
- 一種智聯(lián)網(wǎng)中的網(wǎng)絡(luò)知識(shí)統(tǒng)一表征架構(gòu)及實(shí)現(xiàn)方法
- 知識(shí)點(diǎn)存儲(chǔ)方法、裝置、服務(wù)器及介質(zhì)
- 用于圖譜界面的數(shù)據(jù)處理方法及系統(tǒng)
- 用于內(nèi)容特征圖譜化的特征圖譜布局的服務(wù)器及介質(zhì)
- 圖譜的構(gòu)建方法及裝置、電子設(shè)備
- 信息圖譜構(gòu)建方法、裝置及設(shè)備
- 知識(shí)圖譜的完善方法及裝置、數(shù)據(jù)處理方法及裝置
- 一種知識(shí)圖譜的構(gòu)建方法、裝置、知識(shí)圖譜系統(tǒng)及設(shè)備
- 一種基于知識(shí)圖譜的故障判別推理方法
- 一種事件圖譜的匹配方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)
- 一種用于創(chuàng)建知識(shí)圖譜的計(jì)算機(jī)設(shè)備
- 一種支持增量實(shí)體關(guān)聯(lián)的關(guān)系圖譜計(jì)算方法
- 一種腸胃鏡配套清潔達(dá)標(biāo)圖譜
- 一種混合高低階圖卷積傳播系統(tǒng)
- 基于圖結(jié)構(gòu)矩陣特征向量的圖卷積神經(jīng)網(wǎng)絡(luò)生成方法
- 基于骨骼關(guān)節(jié)點(diǎn)的圖卷積行為識(shí)別方法及裝置
- 一種基于網(wǎng)絡(luò)結(jié)構(gòu)增強(qiáng)的圖卷積模型防御方法、裝置和系統(tǒng)
- 一種基于骨架的雙流自適應(yīng)圖卷積網(wǎng)絡(luò)行為識(shí)別方法
- 一種基于時(shí)空?qǐng)D卷積網(wǎng)絡(luò)的人臉檢測(cè)方法及裝置
- 一種基于權(quán)重不確定的圖卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法、裝置
- 一種基于圖自編碼器的融合子空間聚類方法及系統(tǒng)
- 基于圖卷積神經(jīng)網(wǎng)絡(luò)交互的推薦方法及系統(tǒng)
