[发明专利]药物组合协同性确定方法、装置、电子设备及介质

说明书

本申请公开了一种药物组合协同性确定方法、装置、电子设备及介质，该方法包括：获取待测药物组合中每种药物的药物信息以及待检测的细胞系信息，细胞系信息包括：mRNA的表达信息以及基因突变信息，表达信息包括：每个细胞系的表达均值序列以及表达标准差序列；基于表达均值序列以及表达标准差序列，得到每个细胞系的初始表达特征序列，将初始表达特征序列输入预先训练的自编码器进行特征提取，得到降维后的表达特征序列；基于药物信息、基因突变信息、降维后的表达特征序列以及预先训练的深度学习模型，确定待测药物组合对待检测的细胞系是否具有协同性。

技术领域

本申请涉及计算机技术领域，尤其涉及一种药物组合协同性确定方法、装置、电子设备及介质。

背景技术

目前，抗癌药物联合疗法被认为是一种很有前途的治疗策略，在肿瘤的临床治疗中广泛应用。与单药相比，可显著减少药物剂量或毒副作用，增强或维持相同的功效。然而，药物联合作用也有可能是不利的，甚至会缩短癌症患者的无进展生存期。一般来说，药物联合的相互作用分为三种类型：加性相互作用(药物组合的效果等于单个药物单独服用的效果之和)，协同作用(药物组合的效果优于单个药物单独服用的疗效之和)和拮抗相互作用(药物组合的效果小于单个药物的效果之和)。因此，判断药物组合是否为协同作用有着重要意义。

随着高通量筛选和虚拟筛选成为现代药物研究方法的重要组成部分，计算机仿真实验在生物医学科学中的应用越来越广泛，利用计算模型去预测药物组合的协同性为一种重要的解决方法。

发明内容

本申请提供了一种药物组合协同性确定方法、装置、电子设备及介质。

第一方面，本申请实施例提供了一种药物组合协同性确定方法，包括：

获取待测药物组合中每种药物的药物信息以及待检测的细胞系信息，所述细胞系信息包括：mRNA的表达信息以及基因突变信息，所述表达信息包括：每个细胞系的表达均值序列以及表达标准差序列；

基于所述表达均值序列以及所述表达标准差序列，得到每个细胞系的初始表达特征序列，将所述初始表达特征序列输入预先训练的自编码器进行特征提取，得到降维后的表达特征序列；

基于所述药物信息、所述基因突变信息、所述降维后的表达特征序列以及预先训练的深度学习模型，确定所述待测药物组合对待检测的细胞系是否具有协同性。

进一步地，所述基于所述表达均值序列以及所述表达标准差序列，得到每个细胞系的初始表达特征序列，包括：

分别针对每个细胞系的每个表达维度，基于预设的随机变量以及所述表达维度的表达标准差，得到所述表达维度的扰动量，并基于所述表达维度的表达均值以及所述扰动量，得到所述表达维度的初始表达特征；

基于每个细胞系的每个表达维度的初始表达特征，构成每个细胞系的初始表达特征序列。

进一步地，所述随机变量为离散型随机变量，所述随机变量的取值包括：0、1、-1，其中，所述随机变量取0的概率为p，所述随机变量取-1的概率为(1-p)/2，所述随机变量取1的概率为(1-p)/2，p为大于0且小于1的数。

进一步地，所述随机变量为连续型随机变量，取值为-1到1，且所述随机变量取值满足均值为0，标准差为1的分布。

进一步地，所述自编码器基于预设损失函数训练得到，所述自编码器包括编码层、中间层以及解码层；

其中，所述中间层用于输出降维后的表达特征序列，所述预设损失函数的值基于所述解码层的解码结果与输入所述编码层的初始表达特征序列对应的表达均值序列之间的差值确定。

进一步地，获取所述表达均值序列以及表达标准差序列，包括：

获取每个细胞系对应的原始表达均值序列以及原始表达标准差序列；