[发明专利]基于生成对抗网络的药物作用后基因表达谱预测方法

权利要求书

1.一种基于生成对抗网络的药物作用后基因表达谱的预测方法，其特征在于，包括如下：

(1)从基因表达谱数据库随机下载数万个基因表达谱数据G；

(2)搭建由编码器EN和解码器DE组成的自编码神经网络AC，通过(1)得到的基因表达谱数据对该网络训练，得到训练好的自编码神经网络；

(3)从基因表达谱数据库下载待研究药物作用前后的基因表达谱的全部数据；

(4)使用训练好神经网络中的编码器对(3)中的数据进行压缩，得到药物作用前后的压缩向量数据GE；

(5)搭建由生成器GN和判别器DI组成的生成对抗神经网络；

(6)使用药物作用前后的压缩向量数据，对生成对抗神经网络进行训练，得到训练好的生成对抗神经网络；

(7)将训练好的自编码神经网络中的编码器、解码器和训练好的生成对抗神经网络中的生成器，依次按照编码器-生成器-解码器的顺序拼接,得到最终的预测模型；

(8)将待研究的细胞系用药前的基因表达谱输入到预测模型中，输出该细胞系经过药物作用后的基因表达谱。

2.根据权利要求1所述的方法，其中(2)对自编码神经网络进行训练，实现如下：

(2a)将自编码神经网络中的所有参数随机初始化；

(2b)将基因表达谱数据G输入到自编码神经网络中，得到输出O，并计算两者之间的误差：L＝||O-G||²；

(2c)使用神经网络的随机梯度下降算法，更新自编码神经网络的参数，直到误差L不再降低，停止更新参数，获得训练好的自编码神经网络。

3.根据权利要求1所述的方法，其中(6)对生成对抗神经网络进行训练，实现如下：

(6a)将生成对抗神经网络中的所有参数随机初始化；

(6b)在压缩向量数据GE中随机选择64对用药前后的数据，将这些数据中的用药前的压缩向量输入到生成器GE中，得到预测的用药后的基因表达谱压缩向量；

(6c)训练生成对抗神经网络中的判别器DI：

(6c1)将选取的用药后基因表达谱压缩向量标签设定为1，将预测的用药后基因表达谱的压缩向量标签设定为0，并将这两部分基因表达谱压缩向量输入到判别器DI中，得到判别器的输出结果；

(6c2)固定生成器GN的参数，将(6c1)中的标签信息和判别器输出结果传递给随机梯度下降算法更新一次DI的参数；

(6d)训练生成对抗神经网络中的判别器GN：

(6d1)将预测的用药后的基因表达谱的压缩向量设定其标签为1，将表达谱压缩向量输入到判别器DI中，得到判别器的输出结果；

(6d2)固定DI的参数，将(6d1)中的标签信息和判别器的输出结果传递给随机梯度下降算法更新一次GN参数；

(6e)重复(6b)到(6d)的所有步骤，直到判别器的输出概率接近1/2，得到训练好的生成对抗神经网络模型。