[发明专利]一种药物-疾病关系识别方法、系统和装置

说明书

本发明公开了一种药物‑疾病关系识别方法、系统及装置。所述方法包括获取待识别药物‑疾病关系对对应的疾病关系二维矩阵和/或灰度图，将其输入到卷积神经网络中进行处理，得到识别结果。所述系统包括用于获取药物‑疾病关系二维矩阵和/或灰度图的获取模块，以及用于将药物‑疾病关系二维矩阵和/或灰度图输入到卷积神经网络中进行处理，从而输出识别结果的处理模块。所述装置包括存储至少一个程序的存储器和执行至少一个程序的处理器。本发明利用卷积神经网络的处理功能，快速高效地识别药物‑疾病治疗关系，识别潜在的药物‑疾病相互作用，开展先导化合物识别和药物重定位研究。本发明广泛用于计算机辅助药物设计领域。

技术领域

本发明涉及计算机辅助药物设计领域，尤其是一种药物-疾病关系识别方法、系统和装置。

背景技术

新药研发一直是一个费时、费力、高投入、高风险的过程。充分挖掘已有药物的新的治疗效果，对药物进行重定位已经成为新药研发中降低风险和投入、提高成功率的一种方法。目前，美国食品药品监督管理局批准上市的药物已经超过2000种，医学一体化语言系统数据库收集的疾病已经超过25000种。这些药物和疾病组成数以亿计的药物-疾病关系对。如何从这些关系对中发现具有潜在治疗关系的药物-疾病关系，是药物重定位以及新药研究的关键。由于药物-疾病关系对数量巨大等原因，采用传统的医学、生物学或者化学等实验方法不能在合理的时间内逐一研究这些药物-疾病关系对。因此，为了分析并且整合已有的药物和疾病的相关信息、识别潜在的药物-疾病关系对，本发明采用深度学习等技术研究药物-疾病关系对。

发明内容

为了解决上述技术问题，本发明的第一目的在于提供一种药物-疾病关系识别方法，第二目的在于提供一种药物-疾病关系识别系统，第三目的在于提供一种药物-疾病关系识别装置。

本发明所采取的第一技术方案是：

一种药物-疾病关系识别方法，包括以下步骤：

获取待识别药物-疾病关系对所对应的药物-疾病关系二维矩阵和/或灰度图；

将获得的药物-疾病关系二维矩阵和/或灰度图输入到卷积神经网络中进行处理，从而输出药物-疾病关系识别结果。

进一步地，所述将药物-疾病关系二维矩阵和/或灰度图输入到卷积神经网络中进行处理这一步骤之前，设有建立卷积神经网络的步骤，所述建立卷积神经网络的步骤具体包括：

获取药物-疾病数据库中的药物-疾病关系对所对应的药物-疾病关系二维矩阵、灰度图和药物-疾病关系值，利用所得的药物-疾病关系二维矩阵和灰度图构建输入数据正样本，利用所得药物-疾病关系值构建输出数据正样本；

获取药物-疾病数据库外的药物-疾病关系对所对应的药物-疾病关系二维矩阵、灰度图和药物-疾病关系值，利用所得药物-疾病关系二维矩阵和灰度图构建输入数据负样本，利用所得药物-疾病关系值构建输出数据负样本；

抽选输入数据正样本和输入数据负样本从而分别构建训练输入数据集和测试输入数据集；抽选输出数据正样本和输出数据负样本从而分别构建训练输出数据集和测试输出数据集；

用训练输入数据集以及训练输出数据集训练卷积神经网络，用测试输入数据集以及测试输出数据集测试卷积神经网络；

将训练和测试结束后得到的卷积神经网络作为所需建立的卷积神经网络。

进一步地，所述药物-疾病数据库外的药物-疾病关系对，其通过以下步骤来获取得到：

随机选择药物-疾病数据库中药物-疾病关系对的药物和疾病，匹配成新的药物-疾病关系对；

判断新的药物-疾病关系对是否已存在于药物-疾病数据库中，若是，重新进行上一步骤，反之，将新的药物-疾病关系对作为所需获取的药物-疾病数据库外药物-疾病关系对。