[发明专利]药物联用的效果预测方法、模型训练方法、装置及设备

权利要求书

1.一种药物联用的效果预测方法，包括：

获取待检测的联用的两种药物信息、待检测的细胞系信息以及预设的蛋白质集合；

基于所述蛋白质集合、所述两种药物信息和所述细胞系信息，预测所述两种药物联用时对所述细胞系是否有效；

基于所述蛋白质集合、所述两种药物信息和所述细胞系信息，预测所述两种药物联用时对所述细胞系是否有效，包括：

分别基于所述蛋白质集合、所述两种药物信息中的各所述药物信息以及所述细胞系信息，获取所述蛋白质集合各所述蛋白质的特征、各所述药物的原子级特征以及分子级特征、和所述细胞系的特征；

采用预先训练的药物联用预测模型中的第一注意力处理模块，基于各所述药物的原子级特征和所述蛋白质集合中各所述蛋白质的特征，预测各所述药物与各所述蛋白质之间的注意力分数；

采用所述药物联用预测模型中的第二注意力处理模块，基于各所述药物的分子级特征与所述细胞系的特征，预测各所述药物与所述细胞系之间的注意力分数、以及所述两种药物之间的注意力分数；

基于各所述药物与各所述蛋白质之间的注意力分数、各所述药物与所述细胞系之间的注意力分数、以及所述两种药物之间的注意力分数，预测所述两种药物联用时对所述细胞系的作用概率。

2.根据权利要求1所述的方法，其中，基于所述蛋白质集合、所述两种药物信息和所述细胞系信息，预测所述两种药物联用时对所述细胞系是否有效，还包括：

检测所述作用概率是否大于或者等于预设概率阈值；

若是，确定所述两种药物联用时对所述细胞系有效。

3.根据权利要求1所述的方法，其中，分别基于所述蛋白质集合、所述两种药物信息中的各所述药物信息以及所述细胞系信息，获取所述蛋白质集合各所述蛋白质的特征、各所述药物的原子级特征以及分子级特征、和所述细胞系的特征，包括：

基于所述蛋白质集合中的各蛋白质的分子标识，获取各所述蛋白质的特征；

基于所述两种药物信息中的各所述药物信息，获取各所述药物的原子级特征；

基于各所述药物的原子级特征，获取各所述药物的分子级特征；

基于所述细胞系信息，获取所述细胞系的特征。

4.根据权利要求1所述的方法，其中，基于各所述药物与各所述蛋白质之间的注意力分数、各所述药物与所述细胞系之间的注意力分数、以及所述两种药物之间的注意力分数，预测所述两种药物联用时对所述细胞系的作用概率，包括：

采用所述药物联用预测模型中的拼接模块，将各所述药物与各所述蛋白质之间的注意力分数、各所述药物与所述细胞系之间的注意力分数、以及所述两种药物之间的注意力分数进行拼接，得到拼接分数特征；

采用所述药物联用预测模型中的预测模块，基于所述拼接分数特征，预测所述两种药物联用时对所述细胞系的作用概率。

5.一种药物联用预测模型的训练方法，包括：

采集预设的蛋白质集合；

采集数条训练数据，各所述训练数据中包括联用的两种训练药物信息、训练细胞系信息以及所述两种训练药物联用时对所述训练细胞系的作用概率标签；

基于各条所述训练数据以及所述蛋白质集合，对药物联用预测模型进行训练；

基于各条所述训练数据以及所述蛋白质集合，对药物联用预测模型进行训练，包括：

对于各条所述训练数据，分别基于所述蛋白质集合、所述训练数据中的所述训练细胞系信息和所述两种训练药物信息中的各所述训练药物信息，获取所述蛋白质集合中各蛋白质的特征、所述训练数据中的各所述训练药物的原子级特征以及分子级特征、和所述训练细胞系的特征；

采用所述药物联用预测模型中的第一注意力处理模块，基于各所述训练药物的原子级特征和所述蛋白质集合中各所述蛋白质的特征，预测各所述训练药物与各所述蛋白质之间的注意力分数；

采用所述药物联用预测模型中的第二注意力处理模块，基于各所述训练药物的分子级特征与所述细胞系的特征，预测各所述训练药物与所述细胞系之间的注意力分数、以及所述两种训练药物之间的注意力分数；

基于各所述训练药物与各所述蛋白质之间的注意力分数、各所述训练药物与所述细胞系之间的注意力分数、以及所述两种训练药物之间的注意力分数，预测所述两种训练药物联用时对所述训练细胞系的预测作用概率。