[发明专利]一种基于神经网络的抗癌药物协同作用的预测方法

摘要

一种基于神经网络的抗癌药物协同作用的预测方法，该方法是利用神经网络模型实现的，所述神经网络模型包含卷积神经网络CNN1D降维和神经网络DNN回归构建的预测模型；利用卷积神经网络CNN1D降维和神经网络DNN回归构建的预测模型，能更加方便、快速降低数据的维度，减少模型训练的复杂度；该方法能够从多维度特征学习抗癌药物的潜在协同关系，其预测模型的预测精度高，可以帮助临床实验减少时间和金钱成本，快速定位有效的药物组合。

主权项

1.一种基于神经网络的抗癌药物协同作用的预测方法，该方法是利用神经网络模型实现的，其特征在于：所述神经网络模型包含卷积神经网络CNN1D降维和神经网络DNN回归构建的预测模型，该方法的实施步骤为：S1、搜集整合抗癌药物的化学特征和癌症细胞系的基因表达特征、基因突变特征、基因拷贝数变异特征，对应于已知的大规模药物组合筛选数据形成相应的二维张量；S2、标准化步骤S1中的抗癌药物化学特征的二维张量，并将此二维张量输入到神经网络模型中输出一个特征维度的二维张量；S3、标准化步骤S1中的癌症细胞系的基因表达特征的二维张量，并将此二维张量输入到神经网络模型中输出一个特征维度的二维张量；S4、将步骤S1中的基因突变特征、基因拷贝数变异特征使用one‑hot编码并形成相应的二维张量；S5、将步骤S4中的二维张量输入到神经网络模型中输出特征维度的二维张量；S6、将步骤S2、S3和S5中产生的特征二维张量进行连接合并，将整合后的二维张量输入到神经网络模型中进行深度学习训练；S7、对步骤S2‑S6中构建的各种神经网络模型进行优化调整参数，验证模型。