[发明专利]一种基于图卷积和词向量的药物－靶标相互作用预测方法

摘要

本发明提供了一种基于图卷积和词向量的药物－靶标相互作用预测方法，从药物中提取分子指纹特征和邻接矩阵特征，然后利用图卷积训练这些特征，将一个蛋白质分子表达式3个一组切割，并用一个100维的向量表示这一组，利用CNN训练靶标的词向量特征，最后把训练好的药物和靶标结合在一起，进行最后的结果预测。本发明的有益效果如下：可以提供关于药物的更多特征，从而达到更高的准确性；利用词向量构建蛋白质特征，大大减少了构建特征的时间；可以完整保存药物分子图的有关信息，而不会损失特征；可以大大加快训练时间。

主权项

1.一种基于图卷积和词向量的药物－靶标相互作用预测方法，其特征在于，包括如下步骤：步骤1、构建数据集，对数据集进行切分，生成80％的训练集和20％的测试集；步骤2、对训练集中的药物构建邻接矩阵并提取分子指纹特征；步骤3、构建靶标的氨基酸序列的三元组词向量表；步骤4、利用Embedding层对分子指纹特征做映射，同时利用Embedding层将每个靶标的氨基酸序列转换成一个100维的矩阵；步骤5、利用图卷积对处理好的药物特征进行训练，利用CNN对处理好的靶标特征进行训练；步骤6、将训练后得到的药物特征和靶标特征连接在一起，输入全连接层；步骤7、经过多次迭代计算，得到训练后的模型；步骤8、将测试集经过同样的提取特征处理，喂入模型得到测试结果。