公开(公告)号：CN119920302A

公开(公告)日：2025-05-02

申请号：CN202411859609.4

申请日：2024-12-17

Applicant: 哈尔滨工业大学

Inventor： 张开元 ,  赵飞 ,  臧天仪

IPC: G16B15/30 ,  G16B40/00 ,  G06F18/214 ,  G06F18/25 ,  G06F18/241 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/048

Abstract: 一种利用邻域信息和加权融合网络的药物重定位方法，它涉及一种药物重定位方法。本发明为了解决现有药物重定位方法都是一种浅层的预测模型，不能深入了解药物和疾病节点的特征，其重定位结果偏向于普遍传染病的问题。本发明的步骤包括：提取药物对疾病作用关系数据样本；在药物对疾病作用关系图中，利用加权图卷积网络，学习药物以及疾病最近邻之间的相互作用特征；聚合学习到的药物和疾病的特征；通过一个多层融合网络，获得隐藏的高阶非线性特征；将训练集中的药物对疾病作用关系输入到上述模型中，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预测模型中，得到预测结果。本发明属于药物重定位技术领域。

公开(公告)号：CN119920493A

公开(公告)日：2025-05-02

申请号：CN202411834460.4

申请日：2024-12-13

Applicant: 哈尔滨工业大学

Inventor： 张开元 ,  赵飞 ,  臧天仪

IPC: G16H70/40 ,  G16H50/70 ,  G16H20/10 ,  G16C20/30 ,  G16C20/50 ,  G16C20/70 ,  G06N5/022 ,  G06N3/0455 ,  G06F18/214 ,  G06F18/25

Abstract: 一种基于生物医学知识图谱和Transformer的药物协同作用预测方法，它涉及一种药物协同作用预测方法。本发明为了解决传统的药物组合发现过程主要依赖于临床试验，不仅费时费力，而且成本高，患者也存在风险的问题。本发明的步骤包括提取药物数据样本，生成数据集，划分训练和测试集，进行网络训练和测试；构造生物医学知识图谱；利用Rdkit将药物结构的序列表示转换成图；利用多跳子图挖掘网络挖掘知识图谱的子图；使用关系感知Transformer学习知识网络和药物分子图的特征表示，并进行融合；使用多层感知机进行药物对之间的协同作用预测；将训练集中的药物对输入到上述模型；将测试集中的药物对输入到预测模型中，得到预测结果。本发明属于药物协同作用预测技术领域。