龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明公开了基于图神经网络的多视图特征融合药物重定位预测方法，属于药物‑疾病相互作用预测技术领域。本发明通过将多种关系数据构建为不同视图的图网络，并构建适用于图网络性质的图神经网络来提取对应视图包含的独特信息；在提取多视图特征后，采用最大值选取策略保留了最显著的特征并降低了噪声带来的影响，同时利用多层图神经网络和层注意力机制提取了多层次特征并自动调整了其对最终结果的贡献。
主权项：1.基于图神经网络的多视图特征融合药物重定位预测方法，其特征在于，包括以下步骤：S1：采用相似性和关联信息构建多视图的图网络获取公开数据集中的药物、疾病的相似性信息和药物-疾病关联信息，将收集的多种数据分别构建成三种图网络：相似性图网络、关联性图网络、综合图网络；S2：构建多种图神网络提取各类图的特征信息针对构建的三种图网络的图网络性质，分别选取对应的图神经网络进行特征提取，得到多个特征矩阵，对应的图神经网络分别为图同构神经网络GIN、图卷积神经网络GCN、图注意力神经网络GATv2，其中图同构神经网络GIN用于对相似性图网络进行特征提取，图卷积神经网络GCN用于对关联性图网络进行特征提取，图注意力神经网络GATv2用于对综合图网络进行特征提取；S3：采用最大值提取策略融合多视图特征将从多个图网络提取得到的多个特征矩阵，采用最大值选择策略对特征矩阵进行筛选和融合；S4：构建深层图神经网络并采用层注意力机制融合最终特征利用步骤S2中的图神经网络构建多层图神经网络，分层提取不同层次的药物、疾病特征信息，并采用层注意力机制通过学习调整各层对最终特征的贡献，进而得到药物和疾病相互作用预测模型，其中，步骤S2中的每个图神经网络作为多层图神经网络中的一层；S5：模型网络训练将数据集按照十折平均划分对药物和疾病相互作用预测模型进行训练，得到训练完成的药物和疾病相互作用预测模型；S6：潜在药物预测利用训练完成的药物和疾病相互作用预测模型进行药物重定位预测，输出目标疾病的潜在药物预测结果。
全文数据：
权利要求：
百度查询： 安徽工业大学 基于图神经网络的多视图特征融合药物重定位预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号