[发明专利]多模态生物医药数据的表征学习方法及装置

说明书

本发明提供一种多模态生物医药数据的表征学习方法及装置，其中的方法包括：获取多模态输入数据，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；基于融合特征表示，对多种下游预测任务进行预测，其中，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。该方法利用多模态生物医药模型学习多模态输入数据的表征，使得到的融合特征表示能够应用于多种下游预测任务，实现了多模态生物医药数据的特征融合，同时提高了下游预测任务的预测精度。

技术领域

本发明涉及生物医药技术领域，尤其涉及一种多模态生物医药数据的表征学习方法及装置。

背景技术

随着科技的迅速发展，生物医药领域各类生物医药数据正在呈指数级增加，为人工智能药物发现提供了有利条件。

目前，现有技术大多是基于单模态的生物医药数据提取特征表示，然后利用提取的特征表示对单一的下游预测任务进行预测。这种处理方法虽然可以有效提取单一模态生物医药数据的表征，但其并没有充分利用现有的多模态生物医药数据，无法更好地学习到多模态生物医药数据的特征表示，并且，该方法只能支持单一的下游预测任务，且下游预测任务的精度还有提升空间。

因此，如何提出一种支持多模态生物医药数据且能够应用于多种下游预测任务的生物医药数据表征学习方法，是生物医药领域亟待解决的重要课题。

发明内容

本发明提供一种多模态生物医药数据的表征学习方法及装置，用以克服现有技术未充分学习多模态生物医药数据的表征，且不能应用于多种下游预测任务的缺陷，实现多模态生物医药数据的特征融合，支持多种下游预测任务，提高下游预测任务的预测精度。

一方面，本发明提供一种多模态生物医药数据的表征学习方法，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。

进一步地，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。

进一步地，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。

进一步地，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。