基本信息:
- 专利标题： 基于深度学习的药物间相互作用识别方法
- 申请号：CN202111323448.3 申请日：2021-11-08
- 公开(公告)号：CN114038575A 公开(公告)日：2022-02-11
- 发明人： 宋弢 , 张莹 , 王干 , 张旭东 , 代欢欢
- 申请人： 中国石油大学(华东)
- 申请人地址： 山东省青岛市黄岛区长江西路66号
- 专利权人： 中国石油大学(华东)
- 当前专利权人： 中国石油大学(华东)
- 当前专利权人地址： 山东省青岛市黄岛区长江西路66号
- 主分类号： G16H70/40
- IPC分类号： G16H70/40 ; G16C20/50
摘要：
本发明涉及一种基于深度学习的药物间相互作用识别算法，涉及医疗大数据、序列数据处理、图数据处理、深度学习领域。包括：1)数据预处理单元，提取药物SMILES字符串中的子结构信息和原子信息；2)将经过预处理的药物信息使用多维特征编码器编码，采用序列编码器和图编码器对药物信息编码，以获得药物多维度特征的高阶表示；3)将药物的多维特征对输入到相互作用识别模块，使用前馈型神经网络识别药物间的相互作用，包含卷积、池化、正则化等操作。使用已经训练好模型可以在未知相互作用数据集上快速的给出对药物间相互作用的识别结果，有助于大规模的药物筛选。本方法能够准确的识别药物间潜在的相互作用有助于判断联合用药的有效性。
IPC结构图谱:
| G | 物理 |
| --G16 | 特别适用于特定应用领域的信息通信技术 |
| ----G16H | 医疗保健信息学，即专门用于处置或处理医疗或健康数据的信息和通信技术 |
| ------G16H70/00 | 专门适用于医疗参考的处理或加工的ICT |
| --------G16H70/40 | .涉及药物，例如其副作用或预期用法 |