[发明专利]一种确定药物和药物靶点关联关系的方法

权利要求书

1.一种确定药物和药物靶点关联关系的方法，包括步骤：

采集表征药物、药物靶点、疾病和副作用之间关联关系的数据；

基于所采集到的数据分别生成所述药物和药物靶点对应的向量；

组合各药物和各药物靶点所对应的向量，以生成对应的各药物-药物靶点向量；

根据所采集的数据对各药物-药物靶点向量进行归类，若在所采集的数据中所述药物和药物靶点之间已存在关联关系，则将该药物-药物靶点向量归到第一样本集合，若在所采集的数据中所述药物和药物靶点之间不存在关联关系，则将该药物-药物靶点向量归到第二样本集合；以及

基于预定模型确定出表征所述药物-药物靶点向量所对应的药物和药物靶点的关联关系的分值，包括步骤：利用第二样本集合中的药物-药物靶点向量生成第一子集和第二子集；基于所述预定模型，利用第一子集和第一样本集合中的药物-药物靶点向量确定出所述第二子集中的药物-药物靶点向量对应的分值；基于所述预定模型，利用第二子集和第一样本集合中的药物-药物靶点向量确定出所述第一子集中的药物-药物靶点向量对应的分值，

其中，所述基于预定模型、利用第一子集和第一样本集合中的药物-药物靶点向量确定出第二子集中的药物-药物靶点向量对应的分值的步骤包括：从第一子集和第一样本集合中分别选取相同数目的药物-药物靶点向量来生成输入数据集；利用所述输入数据集通过预定模型来拟合出第二子集中相同数目的药物-药物靶点向量对应的分值；依次重复执行所述生成、拟合的步骤，以得到第二子集中各药物-药物靶点向量最终的分值。

2.如权利要求1所述的方法，其中，所述基于预定模型、利用第二子集和第一样本集合中的药物-药物靶点向量确定出第一子集中的药物-药物靶点向量对应的分值的步骤包括：

从第二子集和第一样本集合中分别选取相同数目的药物-药物靶点向量来生成输入数据集；

利用所述输入数据集通过预定模型来拟合出第一子集中相同数目的药物-药物靶点向量对应的分值；以及

依次重复执行所述生成、拟合的步骤，以得到第一子集中各药物-药物靶点向量最终的分值。

3.如权利要求2所述的方法，还包括训练生成预定模型的步骤：

从所述第一样本集合和第二样本集合中分别选取相同数量的药物-药物靶点向量，作为训练样本；

设置各训练样本的标签；以及

采用梯度提升算法对所述训练样本进行训练，以得到预定模型。

4.如权利要求3所述的方法，其中，所述设置各训练样本的标签的步骤包括：

若所述训练样本来自所述第一样本集合，则将其标签设置为1；以及

若所述训练样本来自所述第二样本集合，则将其标签设置为0。

5.如权利要求4所述的方法，其中，在所述基于所采集到的数据分别生成所述药物和药物靶点对应的向量的步骤之前，还包括步骤：

将所采集的数据表示为预定格式。

6.如权利要求5所述的方法，其中，所述基于所采集到的数据分别生成药物和药物靶点对应的向量的步骤包括：

通过网络表示学习模型学习生成各药物和药物靶点对应的向量。

7.如权利要求6所述的方法，其中，所述通过网络表示学习模型学习生成各药物和药物靶点对应的向量的步骤包括：

基于所述预定格式生成多个包含药物和药物靶点的序列；

以离散表示的方式生成各序列对应的中间向量；以及

将所述中间向量输入预设矩阵中，以生成各药物和各药物靶点对应的向量。

8.一种预测药物和药物靶点相互作用关系的方法，包括步骤：

利用异质信息网络确定与第一节点相关联的一个或多个第二节点，其中所述异质信息网络包括节点和边，节点包括药物、药物靶点、疾病和副作用，所述节点之间的边的值通过执行如权利要求1-7中任一项所述的方法得到；

按照边的值从高到低的顺序从所确定的第二节点中选取出第一数目个第二节点，作为与所述第一节点有相互作用关系的第二节点，

其中所述第一节点表征药物或药物靶点，所述第二节点表征药物靶点或药物。