买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：天津大学合肥创新发展研究院

摘要：本发明一种基于强化学习的DQN算法预测药物相互作用的方法，包括以下步骤：步骤1，构建数据集及对数据预处理，对所述药物分子组合A和B的数据进行相关性分析，步骤2，构建所述基于强化学习的DQN算法表示框架模型，步骤3，构建与步骤2不相关的非强化学习模型框架，并与强化学习的DQN算法框架模型进行比较分析，步骤4，构建基于数据增强生成的强化学习模型，本发明采用强化学习算法结合神经网络的方法‑DQN算法对模型进行训练，进而预测抗艾滋病药物组合中两种药物分子是否具有协同作用，同时与其他非强化学习方法进行比对，进而分析并改善DQN算法的功能，能够指导设计治疗艾滋病的药物组合。

主权项：1.一种基于强化学习的DQN算法预测药物相互作用的方法，其特征在于，包括以下步骤：步骤1，构建数据集及对数据预处理；1-1，数据集中包括两种药物分子组合A和B；1-2，对所述药物分子组合A和B的数据进行归一化、主成分分析降维处理；1-3，对所述药物分子组合A和B进行相关性分析；步骤2，构建所述基于强化学习的DQN算法表示框架模型；步骤3，构建与步骤2不相关的非强化学习模型框架，并与强化学习的DQN算法框架模型进行比较分析；步骤4，构建基于数据增强生成的强化学习模型；4-1，通过小批量药物分子组合A和B生成大量具有不同结构和性质的分子，获取某一字符准确的分布对模型进行训练；4-2，数据增强：采用独热法对SMILES序列进行编码，采集每一个分子不同的SMILES序列10个，作为训练集，采用四层神经网络，第一隐含层神经元个数为1024，第二隐含层神经元个数为256，训练过程中，模型学习每一个字符对于前边所有字符的条件概率分布，最小化产生的分子的字符的分布与真实的分子的字符的分布交叉熵，训练过程中，当生成终止字符或者达到最大长度时停止，采用温度采样的方法进行训练，对SoftMax函数施加温度参数T，按照以下公式计算每一个位置某一个字符的存在概率： 其中，ni为某个位置第i个字符存在的概率，s为打出的分值；按照公式计算最终生成了92个SMILES序列，并提取到54个增强分子；4-3，针对步骤4-2中生成的54个增强分子组合，进行协同作用预测。

全文数据：

权利要求：

百度查询： 天津大学合肥创新发展研究院 一种基于强化学习的DQN算法预测药物相互作用的方法