本发明公开了一种基于多模态表示学习的药物相互作用预测框架及预测方法,预测框架包括:使用多模态表示学习来提取药物特征,将小分子药物的的特征向量和生物制药的特征向量连接成一个药物对向量,把药物对向量中的每一个特征输入神经网络进行运算,对所有药物对特征的运算结果求均值。预测方法首先构建样本,将样本输入预测框架进行训练和测试,最后再输入药物对进行预测。本发明提出了一种双通道CNN有效提取序列中复杂的局部化学信息和上下文关系,异构网络中所有药物节点的关联信息被编码为一维特征向量,最后使用DNN对SMD和BioD相互作用进行预测,能够有效学习药物的复杂多模态特征以预测新的SBI。
声明:
“基于多模态表示学习的药物相互作用预测框架及预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)