[发明专利]一种基于深度学习的药物-药物相互作用预测系统及方法

权利要求书

1.一种基于深度学习的药物-药物相互作用预测系统，其特征在于，包括药学信息、药物-药物相互作用数据库、药物表示转换模块、药物信息提取模块和相互作用预测模块，其中：

药学信息：用于对临床试验收集后获得的药物药学信息；

药物-药物相互作用数据库：用于对药学信息进行识别处理，得到药物-药物相互作用网络；

药物表示转换模块：用于将药物-药物相互作用网络进行使用图嵌入方法得到同样维度的药物向量表示序列；

药物信息提取模块：用于将表示药物的向量序列进行图注意力编解码变换后计算得到药物-药物相互作用网络中包含邻域信息的药物向量表示；

相互作用预测模块：用于对任意的两个包含邻域信息的药物向量表示进行相互作用预测结果输出。

2.如权利要求1所述的基于深度学习的药物-药物相互作用预测系统，其特征在于，所述药物药学信息通过临床试验进行获取。

3.如权利要求1所述的基于深度学习的药物-药物相互作用预测系统，其特征在于，所述相互作用预测模块信号连接有显示屏和打印机。

4.一种基于深度学习的药物-药物相互作用预测方法，使用如权利要求1-3任一项所述的基于深度学习的药物-药物相互作用预测系统，其特征在于，包括如下步骤：

S100、药学信息采集：通过医学临床试验采集药物药学信息，并将药学信息传输至药物-药物相互作用数据库；

S200、相互作用网络获取：药物-药物相互作用数据库对药学信息采用进行识别处理得到药物-药物相互作用网络，并将得到的药物-药物相互作用网络传输给药物表示转换模块；

S300、药物向量表示序列生成：药物表示转换模块对药物-药物相互作用网络使用图嵌入方法得到同样维度的药物向量表示序列，并将生成的药物向量表示序列传输给药物信息提取模块；

S400、药物信息提取：药物信息提取模块对同样维度的药物向量表示序列依次进行图注意力编解码变换后计算得到药物-药物相互作用网络中包含邻域信息的药物向量表示，并将相关数据传输至结果输出模块；

S500、相互作用预测结果展示：相互作用预测模块对任意的两个包含邻域信息的药物向量表示进行相互作用预测结果，通过显示屏显示结果和打印机打印输出报告结果。

5.如权利要求4所述的基于深度学习的药物-药物相互作用预测方法，其特征在于，在步骤S100中，在药学信息输入药物-药物相互作用数据库之前，对药学信息做关注信息的标记。

6.如权利要求4所述的基于深度学习的药物-药物相互作用预测方法，其特征在于，在步骤S200中，所述相互作用网络获取具体包括如下步骤：

S201、将得到的药学信息中的药物-药物相互作用信息提取成多个药物-药物相互作用网络的形式；

S202、对所有药物-药物相互作用网络进行求交集。

7.如权利要求4所述的基于深度学习的药物-药物相互作用预测方法，其特征在于，在步骤S400中，所述图注意力编解码包括如下步骤：

S401、经过维度转换后提取初步特征映射；

S402、经过权重矩阵的线性变换，计算邻域信息权重；

S403、经过图注意力机制，根据邻域信息权重进行特征聚合，得到特征序列。