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：广东工业大学

摘要：本发明提出了一种基于规范化图神经网络的微生物‑药物关联预测方法，包括利用现有的微生物‑药物关联数据库构建微生物‑药物的关联网络；构建微生物‑药物的多模态属性图；根据微生物‑药物的关联网络和微生物‑药物的多模态属性图，建立引入正则化的图神经网络模型；利用现有的微生物‑药物关联数据库构建训练集和测试集，用训练集训练引入正则化的图神经网络模型；将测试集输入训练后的图神经网络模型，预测测试集中微生物‑药物的关联。本发明通过在神经网络模型中引入正则化，防止模型过拟合，从而解决孤立节点问题，从而提高微生物‑药物关联预测的准确性。

主权项：1.一种基于规范化图神经网络的微生物-药物关联预测方法，其特征在于，包括步骤：S1：利用现有的微生物-药物关联数据库构建微生物-药物的关联网络；S2：构建微生物-药物的多模态属性图；S3：根据微生物-药物的关联网络和微生物-药物的多模态属性图，建立引入正则化的图神经网络模型；S4：利用现有的微生物-药物关联数据库构建训练集和测试集，用训练集训练引入正则化的图神经网络模型；将测试集输入训练后的图神经网络模型，预测测试集中微生物-药物的关联；所述步骤S1具体为：使用现有的微生物-药物关联数据库建立微生物-药物的关联网络，所述现有的微生物-药物关联数据库中的微生物-药物关联数据来源于临床报告或实验验证，所述微生物-药物的关联网络的节点包括现有的微生物-药物关联数据库中已知关联的微生物和药物；所述步骤S2具体包括以下步骤：A1：构建药物的相似性特征矩阵和药物的第二属性特征矩阵；A2：构建微生物的相似性特征矩阵和微生物的第二属性特征矩阵；A3：根据药物的相似性特征矩阵和微生物的相似性特征矩阵，构建微生物-药物相似性特征网络；根据药物第二属性特征矩阵和微生物第二属性特征矩阵，构建微生物-药物第二属性特征网络，将微生物-药物相似性特征网络和微生物-药物第二属性特征网络结合得到微生物-药物的多模态属性图；所述步骤A1的具体过程为：使用SIMCOMP2工具计算药物的分子结构相似性，得到药物的分子结构相似度矩阵DSstructdi,dj；用矩阵DIP表示药物-药物相互作用谱，即DIPdi表示药物di与其他药物的相互作用，用μ表示标准化内核带宽，则有： 其中，μ′为原始带宽，设置为1；将药物di和药物dj之间的高斯核相似度表示为DSgaussdi,dj，则有：DSgaussdi,dj＝exp-μ||DIPdi-DIPdj||2；将药物的相似性特征矩阵表示为Sddi,dj，则有： 通过带重启的随机游走方法构建药物的拓扑属性网络，在药物网络上进行随机漂移和重启，从而得重启的正式定义为： 其中，表示第i个节点在时间t+1移动到其他节点的概率，θ是重启概率，T是转移概率矩阵，pi0∈Rn×1表示第i个节点的起始概率向量，pit∈Rn×1表示第i个节点在时间t移动到其他节点的概率，在上式收敛后，得到每个药物的概率分布向量，据此构建药物的第二属性特征矩阵Fd∈Rnd×nd，nd表示所述关联网络中微生物的数量；所述步骤A2的具体过程为：使用Kamneva工具计算微生物功能相似性，得到微生物相似性特征矩阵Sm∈Rnm×nm，其中，nm表示所述关联网络中微生物的数量，Smmi，mj表示微生物mi和微生物mj之间的相似性；对微生物的原始基因序列进行编码，所有序列用零填充，使所有序列长度相同，最后使用主成分析法获得微生物序列属，则微生物第二属性特征矩阵由k维矩阵表示为Fm∈Rnm×k；所述步骤A3的具体过程为：根据药物相似性特征矩阵和微生物相似性特征矩阵，构建微生物-药物相似性特征网络Xsimility，通过下式计算得出： 根据药物网络拓扑属性矩阵和微生物序列属构建微生物-药物第二属性特征网络Xsecondary，通过下式计算得出： 将微生物-药物相似性特征网络和微生物-药物第二属性特征网络结合得到微生物-药物的多模态属性图X，通过下式计算得出：X＝[Xsimility,Xsecondary]；在步骤S3中，所述图神经网络模型的具体流程为：B1：构建引入L2正则化的GNCN编码器，并使用GNCN编码器对多模态属性图进行编码，并使用GNCN编码器得到每个节点的嵌入表示，即隐变量Z；B2：根据隐变量Z，采用内积解码的方式对编码后的多模态属性图进行解码，生成重构图。

全文数据：

权利要求：

百度查询： 广东工业大学 一种基于规范化图神经网络的微生物-药物关联预测方法