药物治疗效果预测方法、装置、计算设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115954112A(43)申请公布日2023.04.11(21)申请号202211448301.1(22)申请日2022.11.18(71)申请人百图生科（北京）智能技术有限公司地址100190北京市海淀区科学院南路2号C座8层N801(72)发明人郭玉成王太峰宋乐(74)专利代理机构北京市汉坤律师事务所11602专利代理师张琳琳李英(51)Int.Cl.G16H70/40(2018.01)G16C20/50(2019.01)G16B5/00(2019.01)G06N3/0464(2023.01)G06N3/08(2023.01)权利要求书3页说明书14页附图4页(54)发明名称药物治疗效果预测方法、装置、计算设备及存储介质(57)摘要提供了一种药物治疗效果预测方法、装置、计算设备及存储介质。方法可以包括：获得输入数据；利用药物治疗效果预测模型处理输入数据，以得到预测的治疗效果。模型包括第一神经网络、异构图神经网络和第二神经网络。异构图神经网络包括的至少一个药物节点、至少一个基因节点、至少一个蛋白质节点、以及表示药物节点、基因节点和蛋白质节点的关系的边。基因节点和蛋白质节点配置有相应的特征向量。处理输入数据包括：利用提取药物特征向量；将药物特征向量馈送至药物节点，以更新相应的特征向量；将药物节点、基因节点和蛋白质节点的经更新的相应特征向量组合；以及从组合特征向量生成输出数据。CN115954112ACN115954112A权利要求书1/3页1.一种药物治疗效果预测方法，包括：获得输入数据，所述输入数据包括至少一种药物的相应化学结构式或氨基酸序列；以及利用药物治疗效果预测模型处理所述输入数据，以得到所述药物治疗效果预测模型预测的所述至少一种药物的治疗效果，其中，所述药物治疗效果预测模型包括第一神经网络、异构图神经网络和第二神经网络，所述异构图神经网络包括分别表示所述至少一种药物的至少一个药物节点、分别表示至少一个基因的至少一个基因节点、分别表示至少一个蛋白质的至少一个蛋白质节点、以及表示所述至少一个药物节点、所述至少一个基因节点和所述至少一个蛋白质节点的至少一子集中各节点之间的关系的边，所述至少一个基因节点配置有相应的特征向量，所述至少一个蛋白质节点配置有相应的特征向量，其中，处理所述输入数据包括：利用所述第一神经网络从所述至少一种药物的相应化学结构式或氨基酸序列，提取所述至少一种药物相应的特征向量；将所述至少一种药物相应的特征向量馈送至所述至少一个药物节点，以使得所述异构图神经网络通过消息传递来更新所述至少一个药物节点相应的特征向量、所述至少一个基因节点相应的特征向量、以及所述至少一个蛋白质节点相应的特征向量；将所述至少一个药物节点的经更新的相应特征向量、所述至少一个基因节点的经更新的相应特征向量、以及所述至少一个蛋白质节点的经更新的相应特征向量，组合为组合特征向量；以及利用所述第二神经网络从所述组合特征向量生成输出数据，所述输出数据指示所述至少一种药物的所述治疗效果。2.根据权利要求1所述的方法，其中，所述至少一个药物节点、所述至少一个基因节点和所述至少一个蛋白质节点的至少一子集中各节点之间的所述关系包括从以下各项所组成的组中选择的至少一项：蛋白质之间的相互作用关系、药物与作为靶点的蛋白质之间的关系、蛋白质对基因表达的影响、以及基因到蛋白质的表达。3.根据权利要求1所述的方法，其中，所述第一神经网络是图神经网络，并且其中，利用所述第一神经网络从所述至少一种药物的相应化学结构式或氨基酸序列提取所述至少一种药物相应的特征向量包括：通过使用顶点表示化学结构式中的原子或者氨基酸序列中的氨基酸并且使用边表示原子之间的化学键或者氨基酸之间的相互作用关系，将所述至少一种药物的相应化学结构式或者所述氨基酸序列转化为相应同构图；以及利用所述第一神经网络从所述相应同构图提取所述至少一种药物相应的特征向量。4.根据权利要求3所述的方法，其中，所述第一神经网络包括图注意力网络；或所述第一神经网络包括图卷积神经网络。5.根据权利要求1所述的方法，其中，所述第一神经网络是深度学习网络，并且其中，利用所述第一神经网络从所述至少一种药物的相应化学结构式或氨基酸序列提取所述至少一种药物相应的特征向量包括：利用所述深度学习网络，从所述至少一种药物的氨基酸序列以及所述氨基酸序列中的氨基酸之间的相互作用关系，提取所述至少一种药物相应的特征向量。2CN115954112A权利要求书2/3页6.根据权利要求1所述的方法，其中，所述第一神经网络是编码解码网络，并且其中，利用所述第一神经网络从所述至少一种药物的相应化学结构式或氨基酸序列提取所述至少一种药物相应的特征向量包括：利用所述编码解码网络，从所述至少