[发明专利]建立药物协同作用预测模型的方法、预测方法及对应装置

说明书

本公开公开了建立药物协同作用预测模型的方法、预测方法及对应装置，涉及人工智能技术领域下的深度学习和AI医疗等技术。具体实现方案包括：获取关系图，所述关系图中的节点包括药物节点和蛋白质节点，边指示节点间存在相互作用；从所述关系图中采集已明确协同作用的药物节点对以及该药物节点对是否存在协同作用的标注作为训练样本；将训练样本中的药物节点对作为药物协同作用预测模型的输入，将药物节点对是否存在协同作用的标注作为目标输出，训练所述药物协同作用预测模型；其中所述药物协同作用预测模型基于图卷积网络对所述关系图进行学习得到。基于此能够实现药物协同作用的自动预测，相比较全部采用试验的方式更加节省人力物力成本。

技术领域

本公开涉及计算机应用技术领域，尤其涉及AI(Artificial Intelligence，人工智能)技术领域下的深度学习和AI医疗等技术。

背景技术

联合用药是指为了达到治疗目的而采用的两种或两种以上药物同时或先用应用，其主要是为了增加药物的疗效或减轻药物的毒副作用。但也有可能产生相反的结果，因此合理的联合用药非常重要。而合理的联合用药是基于药物的协同作用的，然而从试验端进行药物协同作用的筛选十分耗费人力物力。

发明内容

有鉴于此，本公开提供了一种建立药物协同作用预测模型的方法、预测方法及对应装置，以便于降低人力物力成本。

根据本公开的第一方面，提供了一种建立药物协同作用预测模型的方法，包括：

获取关系图，所述关系图中的节点包括药物节点和蛋白质节点，边指示节点间存在相互作用；

从所述关系图中采集已明确协同作用的药物节点对以及该药物节点对是否存在协同作用的标注作为训练样本；

将训练样本中的药物节点对作为药物协同作用预测模型的输入，将药物节点对是否存在协同作用的标注作为目标输出，训练所述药物协同作用预测模型；其中所述药物协同作用预测模型基于图卷积网络对所述关系图进行学习得到。

根据本公开的第二方面，提供了一种药物协同作用的预测方法，包括：

从关系图中确定待识别药物节点对；

利用所述药物协同作用预测模型对所述待识别药物节点对进行预测，得到所述待识别药物节点对是否存在协同作用的预测结果；

其中所述药物协同作用预测模型采用如上所述的方法预先训练得到。

根据本公开的第三方面，提供了一种药物协同作用的预测方法，包括：

确定目标细胞系以及从所述关系图中确定待识别药物节点对；

利用所述药物协同作用预测模型对所述待识别药物节点对进行预测，得到所述待识别药物节点对在所述目标细胞系是否存在协同作用的预测结果；

其中所述药物协同作用预测模型采用如上所述的方法预先训练得到。

根据本公开的第四方面，提供了一种建立药物协同作用预测模型的装置，包括：

图获取单元，用于获取关系图，所述关系图中的节点包括药物节点和蛋白质节点，边指示节点间存在相互作用；

样本采集单元，用于从所述关系图中采集已明确协同作用的药物节点对以及该药物节点对是否存在协同作用的标注作为训练样本；

模型训练单元，用于将训练样本中的药物节点对作为药物协同作用预测模型的输入，将药物节点对是否存在协同作用的标注作为目标输出，训练所述药物协同作用预测模型；其中所述药物协同作用预测模型基于图卷积网络对所述关系图进行学习得到。

根据本公开的第五方面，提供了一种药物协同作用的预测装置，包括：

确定单元，用于从关系图中确定待识别药物节点对；