[发明专利]多模态生物医药数据的表征学习方法及装置

权利要求书

1.一种多模态生物医药数据的表征学习方法，其特征在于，包括：

获取多模态输入数据，所述多模态输入数据包括生物分子结构数据及其对应的知识图谱数据和文本数据；

将所述多模态输入数据输入至预先训练的多模态生物医药模型，得到融合特征表示；

基于所述融合特征表示，对多种下游预测任务进行预测；

其中，所述多模态生物医药模型包括生物分子结构编码器、图谱编码器、文本编码器以及多模态编码器，通过根据训练样本数据集进行自监督预训练优化得到，所述自监督预训练用于使所述融合特征表示能够同时表征生物分子结构信息、文本信息以及实体间相互关系。

2.根据权利要求1所述的多模态生物医药数据的表征学习方法，其特征在于，所述将所述多模态输入数据输入至预先训练的多模态生物医药模型，得到融合特征表示，包括：

基于所述生物分子结构编码器对所述生物分子结构数据进行编码处理，得到分子结构特征表示；

基于所述图谱编码器对所述知识图谱数据进行编码处理，得到知识特征表示；

基于所述文本编码器对所述文本数据进行编码处理，得到文本特征表示；

基于所述多模态编码器对分子结构特征表示、知识特征表示以及所述文本特征表示进行融合处理，得到所述融合特征表示。

3.根据权利要求2所述的多模态生物医药数据的表征学习方法，其特征在于，所述生物分子结构数据包括药物分子结构数据、蛋白质分子结构数据和单细胞数据中的一项或多项组合；

所述基于所述生物分子结构编码器对所述生物分子结构数据进行编码处理，得到分子结构特征表示，包括：

基于分子编码器对所述药物分子结构数据进行编码处理，得到药物分子特征表示；

和/或，

基于蛋白质编码器对所述蛋白质分子结构数据进行编码处理，得到蛋白质分子特征表示；

和/或，

基于单细胞编码器对所述单细胞数据进行编码处理，得到单细胞特征表示；

其中，所述生物分子结构编码器包括所述分子编码器、所述蛋白质编码器以及所述单细胞编码器中的一项或多项，所述分子结构特征表示包括所述药物分子特征表示、所述蛋白质分子特征表示以及所述单细胞特征表示中的一种或多种。

4.根据权利要求1所述的多模态生物医药数据的表征学习方法，其特征在于，所述基于所述多模态编码器对分子结构特征表示、知识特征表示以及所述文本特征表示进行融合处理，得到所述融合特征表示，包括：

对所述分子结构特征表示和所述知识特征表示进行拼接处理，得到中间特征表示；

将所述中间特征表示和所述文本特征表示输入至所述多模态编码器，得到所述融合特征表示。

5.根据权利要求1-4中任一项所述的多模态生物医药数据的表征学习方法，其特征在于，对所述多模态生物医药模型进行自监督预训练优化，包括：

构建训练样本数据集，所述训练样本数据集包括正例训练样本和负例训练样本，每一训练样本包括生物分子结构数据、知识图谱数据和文本数据；

基于构建的所述训练样本数据集，通过预设损失函数对所述多模态生物医药模型进行自监督预训练优化。

6.根据权利要求5所述的多模态生物医药数据的表征学习方法，其特征在于，所述预设损失函数包括噪音对比估计损失函数和交叉熵损失函数。

7.一种多模态生物医药数据的表征学习装置，其特征在于，包括：

多模态输入数据获取模块，用于获取多模态输入数据，所述多模态输入数据包括生物分子结构数据及其对应的知识图谱数据和文本数据；

多模态输入数据处理模块，将所述多模态输入数据输入至预先训练的多模态生物医药模型，得到融合特征表示；

下游预测任务预测模块，基于所述融合特征表示，对多种下游预测任务进行预测；

其中，所述多模态生物医药模型包括生物分子结构编码器、图谱编码器、文本编码器以及多模态编码器，通过根据训练样本数据集进行自监督预训练优化得到，所述自监督预训练用于使所述融合特征表示能够同时表征生物分子结构信息、文本信息以及实体间相互关系。