[发明专利]一种结合非临床数据的药物不良反应预测方法和系统

权利要求书

1.一种结合非临床数据的药物不良反应预测方法，其特征在于，包括以下步骤：

获取药物的非临床数据以及药物与不良反应关系数据，基于药物的非临床数据以及药物与不良反应的关系数据构建训练样本数据；

构建结合深度药物表示和浅层协同过滤的联合训练网络模型，基于所述训练样本数据训练所述联合训练网络模型得到训练好的药物与不良反应关系预测模型；

获取待预测药物的非临床数据，基于待预测药物的非临床数据和所述药物与不良反应关系预测模型得到待预测药物与不良反应的关系；

所述联合训练网络模型包括：

深度药物表示模块，用于基于药物的非临床数据提取药物的药物表示；

浅层潜在协同过滤模块，用于分别学习药物的潜在向量和不良反应的潜在向量，基于药物的潜在向量和不良反应的潜在向量提取药物与不良反应的协同过滤向量；

药物协同过滤模块，用于融合药物的药物表示和不良反应的潜在向量得到药物协同过滤向量；

预测模块，用于基于药物表示、协同过滤向量和药物协同过滤向量进行药物与不良反应关系预测；

药物的非临床数据包括药物的物理化学描述符和生物描述符；

所述深度药物表示模块将所述物理化学描述符和生物描述符拼接，将拼接后的描述符输入前馈神经网络得到药物的药物表示。

2.根据权利要求1所述的结合非临床数据的药物不良反应预测方法，其特征在于，浅层潜在协同过滤模块将药物的潜在向量和不良反应的潜在向量拼接，将拼接后的向量输入前馈神经网络中提取协同过滤向量。

3.根据权利要求1所述的结合非临床数据的药物不良反应预测方法，其特征在于，所述药物协同过滤模块将药物的药物表示和不良反应的潜在向量按位相乘得到药物协同过滤向量。

4.根据权利要求1所述的结合非临床数据的药物不良反应预测方法，其特征在于，所述联合训练网络模型的损失函数表示为：

，

其中，表示第种药物和第种不良反应间的真实交互关系，表示模型预测得到的第种药物到第种不良反应的发生率，表示模型参数，表示药物的数量，表示不良反应的数量。

5.根据权利要求1所述的结合非临床数据的药物不良反应预测方法，其特征在于，基于药物的非临床数据以及药物与不良反应的关系数据构建训练样本数据，包括：

对所有药物和不良反应进行编码；

以药物的编码、不良反应编码以及药物的非临床数据为训练样本的输入数据，以药物和不良反应的关系作为训练样本的标签构建训练样本数据。

6.一种结合非临床数据的药物不良反应预测系统，其特征在于，包括以下模块：

训练样本构建模块，用于获取药物的非临床数据以及药物与不良反应关系数据，基于药物的非临床数据以及药物与不良反应的关系数据构建训练样本数据；

模型训练模块，用于构建结合深度药物表示和浅层协同过滤的联合训练网络模型，基于所述训练样本数据训练所述联合训练网络模型得到训练好的药物与不良反应关系预测模型；

关系预测模块，用于获取待预测药物的非临床数据，基于待预测药物的非临床数据和所述药物与不良反应关系预测模型得到待预测药物与不良反应的关系；

所述联合训练网络模型包括：

深度药物表示模块，用于基于药物的非临床数据提取药物的药物表示；

浅层潜在协同过滤模块，用于分别学习药物的潜在向量和不良反应的潜在向量，基于药物的潜在向量和不良反应的潜在向量提取药物与不良反应的协同过滤向量；

药物协同过滤模块，用于融合药物的药物表示和不良反应的潜在向量得到药物协同过滤向量；

预测模块，用于基于药物表示、协同过滤向量和药物协同过滤向量进行药物与不良反应关系预测；

药物的非临床数据包括药物的物理化学描述符和生物描述符；

所述深度药物表示模块将所述物理化学描述符和生物描述符拼接，将拼接后的描述符输入前馈神经网络得到药物的药物表示。