公开(公告)号：CN114694791B

公开(公告)日：2025-04-29

申请号：CN202210094695.9

申请日：2022-01-26

Applicant: 厦门理工学院 ,  厦门精配软件工程有限公司

Inventor： 林开标 ,  康丽萍 ,  吴志荣 ,  卢萍

IPC: G16H20/10 ,  G06F18/241 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/042 ,  G06N3/09

Abstract: 本发明实施例提供一种药物相互作用的预测方法、装置、设备和存储介质，涉及医药技术领域。其中，预测方法包含步骤S1至S9。S1获取多种药物的特征和药物之间的反应类型。S2根据多种药物的特征构建药物特征矩阵。S3根据多种药物之间的反应类型构建药物邻接图。S4通过深度神经网络从药物特征矩阵中提取不同层次的药物特征信息。S5通过卷积神经网络从药物邻接图中提取不同层次的邻居拓扑结构信息。S6融合特征向量和结构向量，获得各个药物的最终嵌入表示。S7将各个药物的最终嵌入表示进行组合，以获得多个药物对向量。S8以药物对的反应类型作为标签，以药物对向量作为训练数据集，训练得到分类模型。S9通过分类模型，预测未知药物对的相互作用类型。

公开(公告)号：CN115910232A

公开(公告)日：2023-04-04

申请号：CN202211116083.1

申请日：2022-09-14

Applicant: 厦门理工学院

Inventor： 林开标 ,  康丽萍 ,  张扬 ,  卢萍

IPC: G16C20/30 ,  G16C20/70 ,  G16C20/80 ,  G16H70/40 ,  G06F18/2415 ,  G06F18/214 ,  G06F18/22 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明提供多视图的药物对反应预测方法、装置、设备和存储介质，涉及药物对反应预测领域。药物对反应预测方法包含S1获取待预测药物的特征信息和已知反应信息。S2根据已知反应信息构建邻接视图。S3根据已知反应信息构建网络，并构建扩散视图。S4根据特征信息，构建药物特征矩阵和KNN视图。S5通过节点级别的注意力网络，将药物特征矩阵分别和邻接视图、扩散视图，以及KNN视图进行深度融合，获取三个视图级别嵌入向量。S6融合三个视图级别嵌入向量，获取各个药物的嵌入表示。S7将各个药物的嵌入表示进行组合，获得多个药物对向量。S8以已知反应类型的药物对向量为训练集，训练分类模型。S9将未知反应类型的药物对向量输入分类模型，获取预测反应类型。

公开(公告)号：CN114694791A

公开(公告)日：2022-07-01

申请号：CN202210094695.9

申请日：2022-01-26

Applicant: 厦门理工学院 ,  厦门精配软件工程有限公司

Inventor： 林开标 ,  康丽萍 ,  吴志荣 ,  卢萍

IPC: G16H20/10 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例提供一种药物相互作用的预测方法、装置、设备和存储介质，涉及医药技术领域。其中，预测方法包含步骤S1至S9。S1获取多种药物的特征和药物之间的反应类型。S2根据多种药物的特征构建药物特征矩阵。S3根据多种药物之间的反应类型构建药物邻接图。S4通过深度神经网络从药物特征矩阵中提取不同层次的药物特征信息。S5通过卷积神经网络从药物邻接图中提取不同层次的邻居拓扑结构信息。S6融合特征向量和结构向量，获得各个药物的最终嵌入表示。S7将各个药物的最终嵌入表示进行组合，以获得多个药物对向量。S8以药物对的反应类型作为标签，以药物对向量作为训练数据集，训练得到分类模型。S9通过分类模型，预测未知药物对的相互作用类型。