[发明专利]药物的预测方法、装置及计算机设备

说明书

本申请涉及一种药物的预测方法、装置及计算机设备，通过获取第一药物的基因表达谱数据；并利用第一药物的基因表达谱数据对深度神经网络进行训练，得到第一药物的预测模型；获取第二药物的基因表达谱数据；通过第一药物的预测模型对第二药物的基因表达谱数据进行药物作用机制的分析；从而根据分析的结果对第二药物的药物作用机制进行预测。由于在第一药物的预测模型的建立过程中，考虑到了将不同属性的所有表达轮廓，并抑制了一些不相关的变化，从而避免传统技术中基于聚类发现药物作用机制的算法无法处理一些无关的干扰导致的预测性能退化，并提高药物预测的预测性能。

技术领域

本申请涉及药物信息学领域，特别是涉及一种药物的预测方法、装置及计算机设备。

背景技术

大规模、高通量的转录组数据为揭示药物的作用模式提供了有力的支持。使用转录组数据进行药物作用机制的研究已有许多方法和工具。其中，大多数使用受到明显调节的基因集特征来呈现药物或其他干扰。例如，计算基因表达谱和特征之间的相关性，利用特征之间的重叠找到反向或模拟实验，比较特征与不同作用机制聚类之间的距离来揭示药物作用机制。

但是，在传统技术中，由于批处理效应或者细胞、剂量、时间引起的差异，基于聚类发现药物作用机制的算法无法处理一些无关的干扰，从而导致预测性能的退化。

发明内容

基于此，有必要针对传统技术中药物预测存在的预测性能退化的技术问题，提供一种药物的预测方法、装置及计算机设备。

一种药物的预测方法，所述方法包括：获取第一药物的基因表达谱数据；利用所述第一药物的基因表达谱数据对深度神经网络进行训练，得到第一药物的预测模型；获取第二药物的基因表达谱数据；通过所述第一药物的预测模型对所述第二药物的基因表达谱数据进行药物作用机制的分析；根据分析的结果，对所述第二药物的药物作用机制进行预测。

上述药物的预测方法，通过获取第一药物的基因表达谱数据；并利用第一药物的基因表达谱数据对深度神经网络进行训练，得到第一药物的预测模型；获取第二药物的基因表达谱数据；通过第一药物的预测模型对第二药物的基因表达谱数据进行药物作用机制的分析；从而根据分析的结果对第二药物的药物作用机制进行预测。由于在第一药物的预测模型的建立过程中，考虑到了将不同属性的所有表达轮廓，并抑制了一些不相关的变化，从而避免传统技术中基于聚类发现药物作用机制的算法无法处理一些无关的干扰导致的预测性能退化，并提高药物预测的预测性能。

附图说明

图1为一个实施例中药物的预测方法的应用环境图；

图2为一个实施例中药物的预测方法的流程示意图；

图3为一个实施例中药物的预测方法的流程示意图；

图4为一个实施例中药物的预测方法的流程示意图；

图5为一个实施例中药物的预测方法的流程示意图；

图6为一个实施例中药物的预测方法的流程示意图；

图7为一个实施例中药物的预测方法的流程示意图；

图8为一个实施例中药物的预测方法的流程示意图；

图9为一个实施例中药物的预测方法的流程示意图；

图10为一个实施例中药物的预测装置的结构框图；

图11为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。