[发明专利]基于医学实体向量的DDIs搜索引擎及其构建方法

说明书

本发明提供了一种基于医学实体向量的DDIs搜索引擎及其构建方法，其中构建方法包含以下步骤：S1：命名实体识别和数据库构建；S2：文献医学实体向量构建；S3：DDI二分类和四分类。由于其与Ising模型和Skip‑Gram模型的结合，它考虑了医学实体的全局和局部关系。医学实体向量的有用性可以在DDI任务中得到很好的证明。结果显示，我们的方法在DDI二分类任务中的F1值高达0.988，在DDI四分类任务中的F1值为0.993，优于以前的方法。

技术领域

本发明涉及药物数据库构建技术领域，尤其涉及一种基于医学实体向量的DDIs搜索引擎及其构建方法。

背景技术

药物间的相互作用(DDIs)是指多种药物一起服用时，药物动力学或药效学特性的改变。在某些情况下，DDIs可能导致药物不良反应(ADRs)。ADRs被认为是一种复杂的，可以影响患者的健康，甚至导致死亡。此外，药物不良反应是临床试验失败的主要原因。因此，DDI已成为药物研究和药物警戒的重点。

由于基因组技术的进步，如下一代测序和高通量方法，每天都有大量的基因组变异信息数据产生。医学文献的数量增加，人工提取DDI是不现实的。且利用从各种渠道获得的不同数据库来识别DDI，这些数据库的质量参差不齐，内容的一致性有限，因此很难为每个相互作用提供真正的临床相关性。另一方面，这些数据库不能很好地适应近年来大量且不断增长的文献。此外，大量的最新和最有价值的信息是非结构化的，以自然语言书写，隐藏在已发表的文章、科学期刊、书籍和技术报告中。因此，在大量的数据库中不能保持所有已发表的关于DDIs的最新信息，造成医务人员的困惑。

发明内容

本发明的目的是为了解决现有技术中由于不能及时更新，限制了DDIs在科学研究和临床应用中的应用。

为了实现上述目的，本发明采用了如下技术方案：

一种基于医学实体向量的DDIs搜索引擎的构建方法，其特征在于：包含以下步骤：

S1：命名实体识别和数据库构建：下载引文，并抽取引文中摘要进行保存，然后对摘要中分词和语义类型进行标注，再进行实体词的筛选，接着过滤实体词，再重复分词和语义类型进行标注，最后筛选关键词；

S2：文献医学实体向量构建：构建稀疏矩阵和相关矩阵，并分批形成梯度，再进行梯度的修正和更新词的嵌入；

S3：DDI二分类和四分类。

优选的，所述S1中引文的下载路径为PubMed，所述S1中筛选实体词时需要保留的项目为DISO、GENE和CHEM。

优选的，所述S1中，使用QuickUMLS开源第三方python工具包对摘要文本进行分词和语义类型标注操作。

优选的，所述S1中过滤实体词，通过根据TextRank值和词频分别对此类实体词进行过滤，剔除TextRank值排前5％和词频为1的实体词，输出过滤后的三类实体。

优选的，所述S2中构建稀疏矩阵及相关矩阵的具体步骤为：将输入的摘要文本实体按照Ising Model的数据结构，构建出稀疏矩阵W_ISM；

然后将W_ISM经过SLEP的大规模稀疏数据处理得到其相关矩阵W_WCM。

优选的，所述S2中梯度修正采取梯度下降法进行详细的分析。

优选的，所述S3包含以下步骤：预处理文本、生成向量、训练分类器并进行DDI二分类、训练分类器并进行DDI四分类。

优选的，预处理文本过程中遵循两个原则：如果一个药物对中的两个药物出现在同一个坐标结构中，则过滤掉相应的实例；在DrugBank和MedLine中分别删除相同药物的药对。