[发明专利]一种基于张量神经网络的药物-药物相互作用预测方法

权利要求书

1.一种基于张量神经网络的药物-药物相互作用预测方法，其特征在于，包括：

根据药物子结构的划分标准，对药物所有的化学子结构及其相互作用类型构建了一个“子结构×子结构×相互作用类型”的张量ST；

依据张量ST的运算方式，对其进行CP分解，使其近似于一组秩1张量之和；

针对这些秩1张量，重构成张量的因子矩阵，并对因子矩阵构建张量神经网络模型进行训练，最终得到“子结构×子结构×相互作用类型”间的关系，从而得到DDI发生的概率。

2.根据权利要求1所述的基于张量神经网络的药物-药物相互作用预测方法，其特征在于，所述药物子结构的划分标准方法为依据Pubchem数据集划分，其中，表示数据集中所有的子结构或官能团的集合，s_i表示S中编号为i的子结构；表示数据集中所有药物的集合，dp表示D中编号为p的药物；表示所有药物中存在的f种相互作用的类型，l_i表示L中编号为i的相互作用类型。

3.根据权利要求2所述的基于张量神经网络的药物-药物相互作用预测方法，其特征在于，张量ST的i行j列k层元素ST_ijk表示SSI_ijk发生的概率

其中，ST预测的DDI_pqk发生的概率计算公式为：

4.根据权利要求3所述的基于张量神经网络的药物-药物相互作用预测方法，其特征在于，

分三步实现的计算：

第一，从ST中提取第k层的矩阵ST_{：，：，k}，ST_{：，：，k}中即为所有相互作用类型为l_k的

第二，i∈[1，n]：获取所有类型为l_k、且其中一个子结构属于dp的组成的向量；

第三，计算(d_p，d_q)中所有类型为l_k的的和，即

5.根据权利要求4所述的基于张量神经网络的药物-药物相互作用预测方法，其特征在于，对张量ST进行CP分解如下：

R为人为设定的参数，表示ST分解到的秩1张量的个数，分别表示张量ST的因子矩阵，表示每个秩1张量的权重；

A，B，C按方向收集了张量各维度的信息，ST的x轴和y轴均表示药物的子结构，所以：

利用两个矩阵A、C，即可近似地表示张量ST。

6.根据权利要求5所述的基于张量神经网络的药物-药物相互作用预测方法，其特征在于，张量神经网络模型的构建按照以下方法进行：

由公式(10)和公式(13)得到：

根据公式(7)推出：

其中，公式(7)为

其中，·表示向量的点积；

随机生成每个化学子结构和相互作用的R维嵌入表示，并将它们分别按行组成矩阵A、C，则经过多次训练后，得到的张量神经网络模型如下：

其中，是发明计算的DDI的发生概率，bias是为了增强模型鲁棒性添加的偏置，⊙表示哈达玛积。

7.根据权利要求6所述的基于张量神经网络的药物-药物相互作用预测方法，其特征在于，利用已知DDI更新张量神经网络，具体方法如下：

首先，若DDI_pqk发生，则否则

其次，通过计算训练集中每个DDI的预测损失更新模型，即：

接着，用loss作为损失函数，使用Adam反向传播算法更新张量神经网络模型。