[发明专利]基于多源异构网络的预测药物之间副作用的方法及系统

权利要求书

1.一种基于多源异构网络的预测药物之间副作用的方法，其特征在于，包括：

获取药物之间副作用的数据、药物和副作用之间对应关系的数据及药物和不同生物模态之间对应关系的数据，构建不同药物之间相互作用的符号网络；

针对不同生物模态，对药物之间相互作用的符号网络进行图卷积，得到相应特征矩阵，并融合所有生物模态下的特征矩阵；

通过解码矩阵对融合的特征矩阵中的药物编码进行解码，得到重构的药物之间的副作用网络；

根据重构的药物之间的副作用网络中的信息得到邻接矩阵，根据邻接矩阵计算预测药物之间的副作用的准确率。

2.如权利要求1所述的基于多源异构网络的预测药物之间副作用的方法，其特征在于，在重构的药物之间的副作用网络中，若一对药物之间有副作用，则在邻接矩阵中该药物对的对应位置上的数字为1。

3.如权利要求1所述的基于多源异构网络的预测药物之间副作用的方法，其特征在于，在重构的药物之间的副作用网络中，若一对药物之间没有副作用或副作用未知，则在邻接矩阵中该药物对的对应位置上的数字为0。

4.如权利要求1所述的基于多源异构网络的预测药物之间副作用的方法，其特征在于，利用深度神经网络对所有生物模态下的特征矩阵进行融合。

5.如权利要求1所述的基于多源异构网络的预测药物之间副作用的方法，其特征在于，所述生物模态包括途径、酶、适应症和转运蛋白。

6.如权利要求1所述的基于多源异构网络的预测药物之间副作用的方法，其特征在于，药物之间是否有积极作用，取决于它们在生物学方式上的相似性。

7.如权利要求6所述的基于多源异构网络的预测药物之间副作用的方法，其特征在于，药物之间的相似性是通过Jaccard相似性标准来计算的。

8.一种基于多源异构网络的预测药物之间副作用的系统，其特征在于，包括：

符号网络构建模块，其用于获取药物之间副作用的数据、药物和副作用之间对应关系的数据及药物和不同生物模态之间对应关系的数据，构建不同药物之间相互作用的符号网络；

特征矩阵融合模块，其用于针对不同生物模态，对药物之间相互作用的符号网络进行图卷积，得到相应特征矩阵，并融合所有生物模态下的特征矩阵；

副作用网络重构模块，其用于通过解码矩阵对融合的特征矩阵中的药物编码进行解码，得到重构的药物之间的副作用网络；

副作用准确率预测模块，其用于根据重构的药物之间的副作用网络中的信息得到邻接矩阵，根据邻接矩阵计算预测药物之间的副作用的准确率。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的基于多源异构网络的预测药物之间副作用的方法中的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的基于多源异构网络的预测药物之间副作用的方法中的步骤。