公开(公告)号：CN115458045B

公开(公告)日：2023-05-23

申请号：CN202211120418.7

申请日：2022-09-15

Applicant: 哈尔滨工业大学

Inventor： 臧天仪 ,  张诚成 ,  赵飞

IPC: G16B15/30 ,  G16H70/40 ,  G16B40/00 ,  G06N3/0464

Abstract: 本发明提出一种基于异构信息网络和推荐系统的药物对相互作用预测方法。所述方法使用神经因式分解机NFM搭建推荐系统，结合推荐系统和异构信息网络形成网络预测模型，用于进行药物对之间的关系预测；将训练集中的药物对输入到上述模型，对该模型进行训练；经过多次迭代后，得到最终的预测模型；将测试集中的药物对输入到最终的预测模型中，得到预测结果，并进行结果分析。本发明所述的异构信息网络可以融合多种类型的信息数据，通过图神经网络等技术可以提取节点的关系和邻域信息，本发明通过合理的利用异构信息网络，更有效地提取了药物与药物的相互作用关系。

公开(公告)号：CN117037898A

公开(公告)日：2023-11-10

申请号：CN202310878482.X

申请日：2023-07-18

Applicant: 哈尔滨工业大学

Inventor： 张诚成 ,  臧天仪 ,  赵飞

IPC: G16B15/30 ,  G16B40/00 ,  G16B50/10 ,  G16C20/50 ,  G16C20/70 ,  G16C20/90 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出一种基于知识图谱和多任务学习的分子相互作用预测方法，所述方法包括以下步骤：步骤一、基于已知的多种分子作用关系构造知识图谱嵌入模型，并使用语义匹配模型DistMult提取异构信息特征；步骤二、从药物分子图和蛋白质序列中分别提取药物和蛋白质的结构特征；步骤三、融合异构信息特征和结构特征，并基于编码‑解码框架构造一个多任务预测网络，对融合后的特征进行进一步学习，并实现包括DDI和DTI在内多种关系预测；步骤四、划分训练集和测试集，对步骤三中的多任务预测网络进行训练，优化网络参数，输出包括药物‑药物关系、药物‑蛋白质关系预测结果。所述方法实现了药物发现中多种相互作用关系的同时预测。

公开(公告)号：CN115458045A

公开(公告)日：2022-12-09

申请号：CN202211120418.7

申请日：2022-09-15

Applicant: 哈尔滨工业大学

Inventor： 臧天仪 ,  张诚成 ,  赵飞

IPC: G16B15/30 ,  G16B40/00 ,  G06N3/04

Abstract: 本发明提出一种基于异构信息网络和推荐系统的药物对相互作用预测方法。所述方法使用神经因式分解机NFM搭建推荐系统，结合推荐系统和异构信息网络形成网络预测模型，用于进行药物对之间的关系预测；将训练集中的药物对输入到上述模型，对该模型进行训练；经过多次迭代后，得到最终的预测模型；将测试集中的药物对输入到最终的预测模型中，得到预测结果，并进行结果分析。本发明所述的异构信息网络可以融合多种类型的信息数据，通过图神经网络等技术可以提取节点的关系和邻域信息，本发明通过合理的利用异构信息网络，更有效地提取了药物与药物的相互作用关系。