基于软掩码双视图学习的药物对相互作用预测方法及装置

    公开(公告)号:CN119296636B

    公开(公告)日:2025-03-18

    申请号:CN202411833234.4

    申请日:2024-12-13

    Abstract: 本发明提供的基于软掩码双视图学习的药物对相互作用预测方法及装置,涉及药物相互作用预测技术领域。本发明通过获取待预测的两种药物的分子视图数据与其相互作用关系类型,组成三元组,并生成药物对的二分图;将三元组与二分图输入MSMDL编码器,输出对应药物的新节点嵌入;其中,所述MSMDL编码器为K层,每一层的输出结果分别输入下一层MSMDL编码器与自注意力图池化层,通过自注意力图池化层生成图级表示,得到子结构特征嵌入;将每一层子结构特征嵌入一同作为共同注意力机制层的输入,得到每一层的子结构特征嵌入之间相互作用的重要性;最后通过解码器输出DDI预测概率。本发明整合了药物的局部和全局信息,提高了药物对相互作用预测的准确性。

    基于软掩码双视图学习的药物对相互作用预测方法及装置

    公开(公告)号:CN119296636A

    公开(公告)日:2025-01-10

    申请号:CN202411833234.4

    申请日:2024-12-13

    Abstract: 本发明提供的基于软掩码双视图学习的药物对相互作用预测方法及装置,涉及药物相互作用预测技术领域。本发明通过获取待预测的两种药物的分子视图数据与其相互作用关系类型,组成三元组,并生成药物对的二分图;将三元组与二分图输入MSMDL编码器,输出对应药物的新节点嵌入;其中,所述MSMDL编码器为K层,每一层的输出结果分别输入下一层MSMDL编码器与自注意力图池化层,通过自注意力图池化层生成图级表示,得到子结构特征嵌入;将每一层子结构特征嵌入一同作为共同注意力机制层的输入,得到每一层的子结构特征嵌入之间相互作用的重要性;最后通过解码器输出DDI预测概率。本发明整合了药物的局部和全局信息,提高了药物对相互作用预测的准确性。

Patent Agency Ranking