-
公开(公告)号：CN118430844A
公开(公告)日：2024-08-02
申请号：CN202410473488.3
申请日：2024-04-19
Applicant: 湖南大学
IPC: G16H70/40 , G16C20/50 , G16C20/70 , G06F18/27 , G06F18/2431
Abstract: 本发明公开一种基于深度学习异构网络的药物不良反应预测方法及系统。所述预测方法采用基于嵌入权重的图神经网络的药物活性分子结构特征提取模型结合分子的理化性质提取待测药物活性分子的结构特征；然后利用基于多头注意力机制的Transformer Decoder模块对提取的待测药物活性分子的结构特征通过自回归的方式不断地预测生成药物潜在的不良反应；直到预测出的结果为预定义的结束词，获得该药物所有潜在的不良反应。本发明借助嵌入权重的图神经网络强大的图数据结构数据处理能力和Transformer Decoder模块强大的生成能力，构建一个端到端的深度学习方法框架，学习药物与不良反应之间的潜在联系，能更加全面、完整、准确地预测药物的潜在的不良反应。
-
公开(公告)号：CN118070927A
公开(公告)日：2024-05-24
申请号：CN202311733337.9
申请日：2023-12-15
Applicant: 湖南大学
Abstract: 本发明公开一种具有可解释性的高性能预测模型构建方法及其系统，涉及智能预测的可解释机器学习技术领域。首先基于与目标结局相关的离散型数据和连续型数据的多源数据并对所述多源数据进行多源数据融合，通过数据标注、数据治理、数据划分，得到目标数据集；通过不同的特征选择方法对所述目标数据集进行特征选择寻优，得到至少3个最佳特征子集；分别训练所述的最佳特征子集后综合评分得到目标预测模型；最后利用改进的SHAP解释工具对所述目标预测模型进行全局解释和局部解释。本发明在关注模型预测准确度的基础上，同时关注模型的解释性能问题，能挖掘模型内部知识和解释模型认知机理，直观地展示影响目标结局的风险因素。
-
公开(公告)号：CN114242186B
公开(公告)日：2022-08-12
申请号：CN202111658146.1
申请日：2021-12-30
Applicant: 湖南大学
Abstract: 本发明公开一种融合GHP与GCN的中西药物重定位方法及系统与存储介质，该重定位方法包括：多源多模态异构数据采集；GHP‑GCN中西药物重定位模型构建，具体包括：全局异构药理网络GHP构建、全局异构药理网络与图卷积神经网络融合形成GHP‑GCN模型、采用“君臣佐使”和“节点语义近邻”双重加权约束优化GHP‑GCN模型；训练集构造与GHP‑GCN模型学习与推理；贡献度计算与结果分析；结果验证与调优。该方法能应用于中西药重定位研究，能预测潜在的、新的药物‑靶点蛋白/基因、靶点蛋白/基因‑疾病、和药物‑疾病关联，识别药物新靶点和疾病新关联致病基因，并发现、确证对疾病有潜在治疗作用的药物及其整合作用与协同机制，为阐释中西药治疗的有效性及药物发现提供科学依据。
-
公开(公告)号：CN114242186A
公开(公告)日：2022-03-25
申请号：CN202111658146.1
申请日：2021-12-30
Applicant: 湖南大学
Abstract: 本发明公开一种融合GHP与GCN的中西药物重定位方法及系统与存储介质，该重定位方法包括：多源多模态异构数据采集；GHP‑GCN中西药物重定位模型构建，具体包括：全局异构药理网络GHP构建、全局异构药理网络与图卷积神经网络融合形成GHP‑GCN模型、采用“君臣佐使”和“节点语义近邻”双重加权约束优化GHP‑GCN模型；训练集构造与GHP‑GCN模型学习与推理；贡献度计算与结果分析；结果验证与调优。该方法能应用于中西药重定位研究，能预测潜在的、新的药物‑靶点蛋白/基因、靶点蛋白/基因‑疾病、和药物‑疾病关联，识别药物新靶点和疾病新关联致病基因，并发现、确证对疾病有潜在治疗作用的药物及其整合作用与协同机制，为阐释中西药治疗的有效性及药物发现提供科学依据。
-
-
-
Search Results
4
records
(took 0.017 seconds)
