[发明专利]一种基于图神经网络预测药物-副作用关系的方法

权利要求书

1.一种基于图神经网络预测药物-副作用关系的方法，其特征在于，包括以下步骤：

收集药物数据进行预处理，建立药物与药物、药物副作用与副作用之间的关系；

构建药物-副作用异质网络模型；

使用图神经网络对网络中的节点和多关系边进行向量化表示；

将点向量和边向量进行结合，表示某一节点在网络中的结构特性；

将数据集划分为训练集和测试集；

利用得到的节点向量作为机器学习训练的输入，训练模型的参数；

在测试集上用图神经网络方法表示出来的节点向量预测药物-副作用的关系；

使用语义相似性建立药物副作用与副作用之间的关系；通过计算出来的相似性值及设定的阈值来确定药物-药物之间的关系；

所述图神经网络为图卷积神经网络；训练模型的参数为通过随机森林RF训练模型的参数；将点向量和边向量进行结合的具体过程包括转换过程和合并过程；转换过程为：

其中，表示节点j在神经网络l层的向量；表示i节点类型到j节点类型转换的矩阵；

其中，表示关系r在l层的向量表示，表示关系空间向节点空间转换的矩阵；

合并过程为：

其中，σ是激活函数，f是组合操作，N(i)，R(i)分别是节点i的邻居节点和节点i的关系类型；

所述收集药物数据进行处理的具体步骤为：

收集药物数据，获取药物特征的数据，并将该数据内容整理成文档的形式；

对数据进行清洗、过滤及关联处理；

对所获得的药物特征进行预处理，使用不同的相似性计算方法计算药物-药物之间的相似性；

对副作用数据进行预处理，计算副作用与副作用之间的相关性，建立药物副作用与副作用之间的关系。

2.根据权利要求1所述的一种基于图神经网络预测药物-副作用关系的方法，其特征在于，收集药物数据为采用自主爬虫或其他采集器进行不同平台数据的获取得到。

3.根据权利要求1所述的一种基于图神经网络预测药物-副作用关系的方法，其特征在于，所述收集药物数据进行处理还包括：使用正则匹配去除不相关的字符。

4.根据权利要求1所述的一种基于图神经网络预测药物-副作用关系的方法，其特征在于，对数据进行清洗、过滤及关联处理，用于筛选出与副作用相关的药物的字段。

5.根据权利要求1所述的一种基于图神经网络预测药物-副作用关系的方法，其特征在于，使用不同的相似性计算方法计算包括：药物化学结构相似性、药物靶标相似性、药物相关基因相似性、药物ATC编码的相似性及药物治疗疾病之间的相似性的多模态数据计算。

6.根据权利要求5所述的一种基于图神经网络预测药物-副作用关系的方法，其特征在于，所述药物化学结构相似性为从DrugBank数据库中提取药物的SMILES字段信息，利用Tanimoto系数来计算化学结构相似性；

所述药物靶标相似性为从UniPort数据库中下载药物靶蛋白的序列信息，利用Smith-Waterman sequence指标来计算两个靶蛋白序列之间的相似性；

所述药物相关基因相似性为：从DGIdb数据库中获取药物的基因信息，基于Resnik相似性算法，利用GoSemSim R package来计算药物基因之间的相似性；

所述药物ATC编码的相似性为从STITCH数据库中获取药物ATC编码信息，基于Resnik语义相似性算法，计算药物ATC编码的相似性；

所述药物治疗疾病之间的相似性具体为：通过CTD数据库，下载药物治疗疾病的信息，基于Jaccard相似性计算药物与药物之间的相似性。

7.根据权利要求1所述的一种基于图神经网络预测药物-副作用关系的方法，其特征在于，利用得到的节点向量作为机器学习训练的输入具体为：将网络中的有连边关系的两个节点向量合并，作为特征向量输入到机器学习随机森林RF训练模型中。