[发明专利]基于遗传算法集成深度学习网络的药物推荐系统、计算机设备、存储介质

权利要求书

1.一种基于遗传算法集成深度学习网络的药物推荐系统，属于药物重定位、深度学习模型、集成学习模型预测技术领域。该系统包括基于遗传算法集成深度学习网络，所述的基于遗传算法集成深度学习网络包括特征提取网络、遗传算法优化权重和全连接网络组成的深度集成学习模型。所述的特征提取网络包括用于药物分子、靶点蛋白序列特征提取的卷积神经网络和药物分子结构特征提取的多层感知机。所述遗传算法优化权重使用遗传算法为提取到的三个特征向量分配最优权重，将特征向量与各自的最优权重相乘之后“拼接”一起，形成拼接向量。所述全连接网络对拼接向量进行非线性处理，最终输出药物-靶点结合亲和力的预测值。

2.如权利要求1所述的系统，其特征在于，所述的特征提取网络对药物分子序列和靶点蛋白序列的特征进行充分提取，其具体包括：卷积神经网络和多层感知机。所述卷积神经网络用于处理药物分子和靶点蛋白的序列信息，将药物分子序列和靶点蛋白序列分别输入卷积神经网络中，将其转化为二进制矩阵后进入三个卷积层和一个最大池化层中，以获得二者的特征表示向量。所述多层感知机用于处理药物分子结构信息，将药物分子序列输入多层感知机中，将其转化为分子指纹后进入四层深度神经网络中，以获得药物分子结构特征表示向量。

3.如权利要求1所述的系统，其特征在于，所述的遗传算法优化权重为特征提取网络得到的三个特征表示向量分配权重，其具体包括：遗传算法。所述遗传算法为特征提取网络得到的三个特征表示向量分配最优权重，并将特征表示向量乘以各自的权重后“拼接”一起形成拼接向量。

4.如权利要求1所述的系统，其特征在于，所述的全连接网络对拼接向量进行非线性处理，预测药物-靶点结合亲和力，其具体包括全连接层，将拼接向量输入到全连接层中进行回归分析并设置0.1的dropout率防止模型过拟合，输出为药物-靶点的结合亲和力预测值。

5.一种计算机设备，包括存储器，显卡，中央处理器，以及存储在所述存储器上的可被所述中央处理器以及显卡并行处理的可执行程序，其特征在于，所述中央处理器执行所述程序时实现以下步骤：构建基于遗传算法集成深度学习网络，所述的基于遗传算法集成深度学习网络包括：特征提取网络、遗传算法优化权重和全连接网络。

6.如权利要求5所述的计算机设备：特征提取网络，其特征在于，将药物分子SMILES序列和靶点蛋白FASTA序列分别转化为二进制矩阵，输入卷积神经网络中提取其序列信息的特征表示向量；将药物SMILES序列转化为分子指纹，输入多层感知机中提取其结构信息的特征表示向量。

7.如权利要求5所述的计算机设备：遗传算法优化权重，其特征在于为特征提取网络得到的三个特征表示向量分配最优权重，并将特征表示向量乘以各自的权重后“拼接”一起形成拼接向量。

8.如权利要求5所述的计算机设备：全连接网络，其特征在于，对拼接向量和来自Davis数据集的药物-靶点结合亲和力真实值进行回归分析，得到药物-靶点结合亲和力预测值。

9.一种存储介质，其存储有计算机程序，其特征在于，当所述计算机程序被中央处理器执行时实现以下步骤：构建基于遗传算法集成深度学习网络，所述的基于遗传算法集成深度学习网络包括：特征提取网络、遗传算法优化权重和全连接网络。首先使用特征提取网络对药物分子和靶点蛋白信息进行充分的提取；其次，将提取到的特征信息使用遗传算法优化其在网络中所占权重，并将特征表示向量乘以各自权重后“拼接”一起形成拼接向量；之后，将拼接向量输入全连接网络中进行非线性处理，得到药物-靶点结合亲和力预测值。