[发明专利]基于矩阵补全的药物靶点预测方法及系统

权利要求书

1.一种基于矩阵补全的药物靶点预测方法，其特征在于，包括：

通过图卷积网络学习药物和靶点的低维特征向量，结合图卷积网络中每个药物节点或靶点节点的拓扑性质和邻域信息，捕捉非线性相互作用；利用矩阵补全的方法对学习到的药物特征和靶点特征进行关系预测，得到靶点预测结果。

2.根据权利要求1所述的基于矩阵补全的药物靶点预测方法，其特征在于，将中药的功效和中药的症状关系数据通过图卷积网络对药物的特征进行嵌入表示，得到药物网络中每个药物的嵌入向量特征，即药物空间的低维特征向量。

3.根据权利要求2所述的基于矩阵补全的药物靶点预测方法，其特征在于，将靶点-靶点相互作用关系和靶点-疾病关系数据通过图卷积网络对基因的特征进行嵌入表示，得到基因网络中每个靶点的嵌入向量特征，即靶点空间的低维特征向量。

4.根据权利要求3所述的基于矩阵补全的药物靶点预测方法，其特征在于，利用每个药物的嵌入向量特征和每个靶点的嵌入向量特征来预测新的药物-靶点相互作用。

5.根据权利要求4所述的基于矩阵补全的药物靶点预测方法，其特征在于，构建一个特征交互矩阵，该矩阵将药物空间的低维特征向量映射到靶点空间，从而药物的投影特征向量接近已知的与其相关靶点的向量。

6.根据权利要求5所述的基于矩阵补全的药物靶点预测方法，其特征在于，通过映射得到药物和靶点之间的得分矩阵，使用真实的药物-靶点关系矩阵对得分矩阵不断优化，得到最终的药物和靶点的关系得分。

7.一种基于矩阵补全的药物靶点预测系统，其特征在于，包括中央处理器，所述中央处理器被配置为：

通过图卷积网络学习药物和靶点的低维特征向量，结合图卷积网络中每个药物节点或靶点节点的拓扑性质和邻域信息，捕捉非线性相互作用；利用矩阵补全的方法对学习到的药物特征和靶点特征进行关系预测，得到靶点预测结果。

8.一种计算机设备，包括存储器和处理器，所述处理器和所述存储器相互通信，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令执行如权利要求1-6任一项所述的基于矩阵补全的药物靶点预测方法。

9.一种电子设备，其特征在于，包括存储器和处理器，所述处理器和所述存储器相互通信，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令执行如权利要求1-6任一项所述的基于矩阵补全的药物靶点预测方法。

10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-6任一项所述的基于矩阵补全的药物靶点预测方法。