公开(公告)号：CN119274687B

公开(公告)日：2025-05-23

申请号：CN202411344031.9

申请日：2024-09-25

Applicant: 大连海事大学

Inventor： 崔海 ,  付任 ,  段镁钰 ,  张益嘉 ,  鲁明羽

IPC: G16C20/30 ,  G06N3/0895 ,  G16C20/50 ,  G16C20/70 ,  G16H20/10

Abstract: 本发明提供基于跨视图对比学习的药物‑疾病关联预测方法及系统，属于生物信息学中药物发现技术领域。构建语义视图和交互视图；构建并训练药物‑疾病关联概率预测模型：整合语义视图和交互视图，获得融合后的药物向量表示和疾病向量表示，作为融合视图；利用融合后的药物、疾病向量表示输出药物‑疾病关联概率；对融合视图与语义视图进行跨视图对比学习；对融合视图与交互视图进行跨视图对比学习；通过多任务学习方式将隐含知识通过底层共享参数从对比学习迁移至药物‑疾病关联概率预测。避免采用随机扰动进行对比视图增强所造成的药物与疾病间必要的关联信息被丢弃的问题，从而提高药物‑疾病关联预测的准确度。

公开(公告)号：CN119446342A

公开(公告)日：2025-02-14

申请号：CN202411468789.3

申请日：2024-10-21

Applicant: 大连海事大学

Inventor： 崔海 ,  段镁钰 ,  付任 ,  张益嘉 ,  鲁明羽

IPC: G16C20/70 ,  G16H70/40 ,  G06N3/042 ,  G06N3/0895 ,  G06N5/022

Abstract: 本发明提供基于知识图谱的自监督药物‑疾病关联预测方法及系统，属于生物信息学中药物发现的技术领域。构建并训练药物‑疾病关联预测模型，包括：主任务药物‑疾病关联预测以及辅助任务自监督学习；主任务通过异构图神经网络从生物医学知识图谱中学习出各节点的向量表示；利用疾病向量表示和药物向量表示预测二者关联概率；模型训练联合主任务与辅助任务的损失函数作为模型的损失函数；通过辅助任务为主任务提供额外的训练标签；每轮次训练进行辅助任务优化梯度的修正。解决了现有方法仅设计单一的对比学习辅助任务，缺少基于结构、语义或属性的自监督，且自监督辅助任务与主任务间梯度优化方向与量级的严重不一致导致模型预测准确性降低的问题。

公开(公告)号：CN119274691A

公开(公告)日：2025-01-07

申请号：CN202411344030.4

申请日：2024-09-25

Applicant: 大连海事大学

Inventor： 崔海 ,  段镁钰 ,  付任 ,  张益嘉 ,  鲁明羽

IPC: G16C20/50 ,  G16C20/70 ,  G16H20/10 ,  G16H70/40 ,  G06N3/042

Abstract: 本发明提供基于异质节点序列表示的药物‑疾病关联预测方法及系统，属于生物信息学中药物发现技术领域。构建药物相似性网络和疾病相似性网络；利用药物相似性网络和疾病相似性网络构建异质生物交互网络，获得目标节点的一阶邻居子图；按照元关系类型将目标节点的一阶邻居子图拆分为多个元关系二部图，各元关系二部图内进行域内消息传播与聚合，更新目标节点的语义特征；跨域融合目标节点的语义特征，更新目标节点的序列特征、聚合特征；利用更新后的序列特征，通过多头自注意力机制获得目标节点的向量表示；将药物节点和疾病节点的向量表示，输入多层感知机预测药物‑疾病关联概率。本发明有效避免语义信息混淆，进而提高了模型预测的准确度。

公开(公告)号：CN119274691B

公开(公告)日：2025-05-23

申请号：CN202411344030.4

申请日：2024-09-25

Applicant: 大连海事大学

Inventor： 崔海 ,  段镁钰 ,  付任 ,  张益嘉 ,  鲁明羽

IPC: G16C20/50 ,  G16C20/70 ,  G16H20/10 ,  G16H70/40 ,  G06N3/042

Abstract: 本发明提供基于异质节点序列表示的药物‑疾病关联预测方法及系统，属于生物信息学中药物发现技术领域。构建药物相似性网络和疾病相似性网络；利用药物相似性网络和疾病相似性网络构建异质生物交互网络，获得目标节点的一阶邻居子图；按照元关系类型将目标节点的一阶邻居子图拆分为多个元关系二部图，各元关系二部图内进行域内消息传播与聚合，更新目标节点的语义特征；跨域融合目标节点的语义特征，更新目标节点的序列特征、聚合特征；利用更新后的序列特征，通过多头自注意力机制获得目标节点的向量表示；将药物节点和疾病节点的向量表示，输入多层感知机预测药物‑疾病关联概率。本发明有效避免语义信息混淆，进而提高了模型预测的准确度。

公开(公告)号：CN119274687A

公开(公告)日：2025-01-07

申请号：CN202411344031.9

申请日：2024-09-25

Applicant: 大连海事大学

Inventor： 崔海 ,  付任 ,  段镁钰 ,  张益嘉 ,  鲁明羽

IPC: G16C20/30 ,  G06N3/0895 ,  G16C20/50 ,  G16C20/70 ,  G16H20/10

Abstract: 本发明提供基于跨视图对比学习的药物‑疾病关联预测方法及系统，属于生物信息学中药物发现技术领域。构建语义视图和交互视图；构建并训练药物‑疾病关联概率预测模型：整合语义视图和交互视图，获得融合后的药物向量表示和疾病向量表示，作为融合视图；利用融合后的药物、疾病向量表示输出药物‑疾病关联概率；对融合视图与语义视图进行跨视图对比学习；对融合视图与交互视图进行跨视图对比学习；通过多任务学习方式将隐含知识通过底层共享参数从对比学习迁移至药物‑疾病关联概率预测。避免采用随机扰动进行对比视图增强所造成的药物与疾病间必要的关联信息被丢弃的问题，从而提高药物‑疾病关联预测的准确度。