[发明专利]基于变分自编码器的药物-疾病关联预测方法

权利要求书

1.一种基于变分自编码器的药物-疾病关联预测方法，其特征在于，包括如下：

(1)构建药物-疾病关联矩阵A和疾病-药物关联矩阵B：

(1a)从数据库中获取与M种药物S＝{S₁,S₂,...,S_m,...,S_M}存在关联的N种疾病T＝{T₁,T₂,...,T_n,...,T_N}的K条药物-疾病关联数据E＝{E₁,E₂,...,E_k,...,E_K}，每种药物S_m至少与一种疾病关联，且每种疾病T_n至少与一种药物关联，其中，K≥1000，M≥100，N≥200，S_m表示第m种药物，T_n表示第n种疾病，1≤m≤M，1≤n≤N，E_k表示第k条药物-疾病关联；

(1b)构建大小为M×N且第m行第n列元素A_mn的值为0或1的药物-疾病关联矩阵A，并对A进行转置，得到疾病-药物关联矩阵B，其中，A_mn的值为0时表示A_mn对应的第m种药物和第n种疾病的关联不在药物-疾病关联数据E中，A_mn的值为1时表示A_mn对应的第m种药物和第n种疾病的关联在药物-疾病关联数据E中；

(2)构建药物特征矩阵C和疾病特征矩阵D：

(2a)从数据库中获取与M种药物S＝{S₁,S₂,...,S_m,...,S_M}存在关联的P种基因G＝{G₁,G₂,...,G_p,...,G_P}的Q条药物-基因关联数据R＝{R₁,R₂,...,R_q,...,R_Q}，每种药物S_m至少与一种基因关联，且每种基因G_p至少与一种药物关联；构建大小为M×P且第m行第p列元素C′_mp的值为0或1的药物-基因关联矩阵C′，其中，C′_mp的值为0时表示C′_mp对应的第m种药物和第p种基因的关联不在药物-基因关联数据R中，C′_mp的值为1时表示C′_mp对应的第m种药物和第p种基因的关联在药物-基因关联数据R中，P≥200，Q≥1000，1≤m≤M，1≤p≤P，G_p表示第p种基因，R_q表示第q条药物-基因关联；

(2b)从数据库中获取与N种疾病T＝{T₁,T₂,...,T_n,...,T_N}存在关联的O种基因G＝{G₁,G₂,...,G_o,...,G_O}的J条疾病-基因关联数据U＝{U₁,U₂,...,U_j,...,U_J}，每种疾病T_n至少与一种基因关联，且每种基因G_o至少与一种疾病关联；构建大小为N×O且第n行第o列元素D′_no的值为0或1的疾病-基因关联矩阵D′，其中，D′的值为0时表示D′_no对应的第n种疾病和第o种基因的关联不在疾病-基因关联数据U中，D′的值为1时表示D′_no对应的第n种疾病和第o种基因的关联在疾病-基因关联数据U中，O≥200，J≥1000，1≤n≤N，1≤o≤O，U_j表示第j条疾病-基因关联；

(2c)对大小为M×P的C′和大小为N×O的D′分别进行降维，得到大小为M×V的药物特征矩阵C和大小为N×W的疾病特征矩阵D，其中，C中的每一行为该行药物的特征，D中的每一行为该行疾病的特征，1≤V≤P，1≤W≤O；

(3)搭建基于变分自编码器的药物-疾病关联预测模型H：

(3a)搭建基于变分自编码器的药物-疾病关联预测模型H结构：

构建包括并行排列的第一变分自编码器f¹和第二变分自编码器f²的药物-疾病关联预测模型H，其中，第一变分自编码器f¹采用包括顺次连接的第一编码器f_e¹、第一隐变量层f_z¹和第一解码器f_d¹的神经网络，f_e¹包括多个全连接层和一个均值方差层，f_z¹的输出端连接有第一数据融合模块，f_d¹包括多个全连接层和一个sigmoid激活函数输出层，f¹的权值参数为第二变分自编码器f²包括顺次连接的第二编码器f_e²、第二隐变量层f_z²和第二解码器f_d²，f_e²包括多个全连接层和一个均值方差层，f_z²的输出端连接有第二数据融合模块，f_d²包括多个全连接层和一个sigmoid激活函数输出层，f²的权值参数为

(3b)定义第一变分自编码器f¹的损失函数Loss1和第二变分自编码器f²的损失函数Loss2：

其中，x表示f¹的输入数据，表示f¹的预测结果，L_re表示f¹的重构损失，PO_x表示x中值为1的元素集合，PO_x＝{x_i|x_i＝1,1≤i≤N}，NP_x表示x中值为0的元素集合，NP_x＝{x_j|x_j＝0,1≤j≤N}，x_i和x_j分别表示x的第i个和第j个元素，β表示非正例损失衰减因子，非正例表示当前关联不在已知关联中，β∈[0,1]；表示均值为μ_x方差为的正态分布，N(0,1)表示标准正太分布，表示和N(0,1)的相对熵，μ_x和δ_x分别表示f¹输入为x时f_e¹的输出，α表示相对熵损失衰减因子，α∈[0,1]；y表示f²的输入数据，表示f²的预测结果，

(4)对基于变分自编码器的药物-疾病关联预测模型H进行迭代训练：

(4a)初始化迭代次数为i，最大迭代次数为I，I≥300，第i次迭代第一变分自编码器f¹的权值参数为和第二变分自编码器f²的权值参数为并令i＝0，

(4b)将药物-疾病关联矩阵A和药物特征C作为药物-疾病关联预测模型H中的第一变分自编码器f¹的输入，第一编码器f_e¹对A进行逐行编码，第一隐变量层f_z¹对f_e¹编码的均值μ_{f1_i}和方差所构成的正态分布进行采样，第一数据融合模块对f_z¹所采集的维度为V的隐变量与药物特征C中对应行的药物c进行相加融合，第一解码器f_d¹对第一数据融合模块的融合结果进行解码，得到预测的药物-疾病关联矩阵

(4c)将疾病-药物关联矩阵B和疾病特征D作为药物-疾病关联预测模型H中的第二变分自编码器f²的输入，第二编码器f_e²对B进行逐行编码，第二隐变量层f_z²对f_e²编码的均值和方差所构成的正太分布进行采样，第二数据融合模块对f_z²所采集的维度为W的隐变量与药物特征D中对应行的药物d进行相加融合，第二解码器f_d²对第二数据融合模块的融合结果进行解码，得到预测的疾病-药物关联矩阵

(4d)采用损失函数Loss1，并通过A和计算H中的第一变分自编码器f¹的损失值L1_i，同时采用损失函数Loss2并通过B和计算H中的第二变分自编码器f²的损失值L2_i；

(4e)采用反向传播方法，并通过L1_i计算f¹的参数梯度，然后采用梯度下降算法通过f¹的参数梯度对f¹的权值参数进行更新；同时采用反向传播方法，并通过L2_i计算f²的参数梯度，然后采用梯度下降算法通过f²的参数梯度对f²的权值参数进行更新；

(4f)判断i≥I是否成立，若是，得到训练好的药物-疾病关联预测模型H′，否则，令i＝i+1，并执行步骤(4b)；

(5)获取药物-疾病关联预测结果Y：

将药物-疾病关联矩阵A和药物特征C作为训练好的药物-疾病关联预测模型H′中的第一变分自编码器f¹的输入进行前向传播，得到f¹预测的药物-疾病关联集Y¹，同时将疾病-药物关联矩阵B和疾病特征D作为训练好的药物-疾病关联预测模型H′中的第二变分自编码器f²的输入进行前向传播，得到f²预测的药物-疾病关联集Y²，Y¹与Y²的交集Y＝Y¹∩Y²即为药物-疾病关联预测结果，其中∩表示交集。