药物反应预测和模型训练方法、装置和设备与流程
本公开涉及人工智能，具体涉及深度学习、计算生物和化学等，尤其涉及一种药物反应预测和模型训练方法、装置和设备。
背景技术：
1、在计算生物和计算化学领域，准确预测药物分子的各种副反应对于提高药物疗效等应用领域至关重要，例如联合用药和临床决策等方向。
2、如何精准地进行药物反应预测是需要解决的问题。
技术实现思路
1、本公开提供了一种药物反应预测和模型训练方法、装置和设备。
2、根据本公开的一方面，提供了一种药物反应预测方法，包括：基于待预测药物包含的多个层级的实体，获取目标图；所述目标图包括实体图和交互图，所述实体图用于表征实体内部的拓扑信息，所述交互图用于表征实体之间的关联信息；对所述目标图进行表征提取处理，以获得初始表征；基于预先确定的提示标识和所述初始表征，获取目标表征；基于所述目标表征，获取所述待预测药物的药物反应预测结果。
3、根据本公开的另一方面，提供了一种药物反应预测模型训练方法，所述药物反应预测模型包括：表征提取网络、提示学习网络和分类网络，所述方法包括：基于待预测药物样本包含的多个层级的实体，获取目标图，所述目标图包括实体图和交互图；所述实体图用于表征实体内部的拓扑信息，所述交互图用于表征实体之间的关联信息；采用所述表征提取网络，对所述目标图进行表征提取处理，以获得初始表征；采用所述提示学习网络，基于可学习的提示标识和所述初始表征，获取目标表征；采用所述分类网络，基于所述目标表征，获取所述待预测药物样本的药物反应的预测值；基于所述预测值和所述待预测药物样本的药物反应真实值，构建损失函数；采用所述损失函数，调整所述表征提取网络、所述提示学习网络和所述分类网络的模型参数。
4、根据本公开的另一方面，提供了一种药物反应预测装置，包括：获取模块，用于基于待预测药物包含的多个层级的实体，获取目标图；所述目标图包括实体图和交互图，所述实体图用于表征实体内部的拓扑信息，所述交互图用于表征实体之间的关联信息；表征提取模块，用于对所述目标图进行表征提取处理，以获得初始表征；提示学习模块，用于基于预先确定的提示标识和所述初始表征，获取目标表征；预测模块，用于基于所述目标表征，获取所述待预测药物的药物反应预测结果。
5、根据本公开的另一方面，提供了一种药物反应预测模型训练装置，所述药物反应预测模型包括：表征提取网络、提示学习网络和分类网络，所述装置包括：获取模块，用于基于待预测药物样本包含的多个层级的实体，获取目标图，所述目标图包括实体图和交互图；所述实体图用于表征实体内部的拓扑信息，所述交互图用于表征实体之间的关联信息；表征提取模块，用于采用所述表征提取网络，对所述目标图进行表征提取处理，以获得初始表征；提示学习模块，用于采用所述提示学习网络，基于可学习的提示标识和所述初始表征，获取目标表征；预测模块，用于采用所述分类网络，基于所述目标表征，获取所述待预测药物样本的药物反应的预测值；构建模块，用于基于所述预测值和所述待预测药物样本的药物反应真实值，构建损失函数；调整模块，用于采用所述损失函数，调整所述表征提取网络、所述提示学习网络和所述分类网络的模型参数。
6、根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述任一方面的任一项所述的方法。
7、根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述任一方面的任一项所述的方法。
8、根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据上述任一方面的任一项所述的方法。
9、根据本公开的技术方案，可以提高药物反应预测准确度。
10、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
技术特征：
1.一种药物反应预测方法，包括：
2.根据权利要求1所述的方法，其中，
3.根据权利要求1所述的方法，其中，所述基于预先确定的提示标识和所述初始表征，获取目标表征，包括以下至少一项：
4.根据权利要求3所述的方法，其中，所述基于初始分子表征和所述初始分子表征对应的初始子结构表征，获取提示后分子表征，包括：
5.根据权利要求3所述的方法，其中，所述基于初始子结构表征，以及所述初始子结构表征对应的邻居实体的初始分子表征，获取提示后子结构表征，包括：
6.根据权利要求3所述的方法，其中，所述基于分子提示标识和所述提示后分子表征，获取目标分子表征，包括：
7.根据权利要求3所述的方法，其中，所述基于子结构提示标识和所述提示后子结构表征，获取所述目标子结构表征，包括：
8.根据权利要求1所述的方法，其中，
9.根据权利要求8所述的方法，其中，所述基于所述第一预测结果和所述第二预测结果，获取所述药物反应结果，包括：
10.一种药物反应预测模型训练方法，所述药物反应预测模型包括：表征提取网络、提示学习网络和分类网络，所述方法包括：
11.根据权利要求10所述的方法，其中，
12.根据权利要求11所述的方法，其中，所述基于所述预训练分子表征和所述预训练子结构表征，构建预训练损失函数，包括：
13.根据权利要求10所述的方法，其中，所述药物反应预测模型用于如权利要求1-9任一项所述的药物反应预测过程。
14.一种药物反应预测装置，包括：
15.根据权利要求14所述的装置，其中，
16.根据权利要求14所述的装置，其中，所述表征提取模块进一步用于以下至少一项：
17.根据权利要求16所述的装置，其中，所述表征提取模块进一步用于：
18.根据权利要求16所述的装置，其中，所述表征提取模块进一步用于：
19.根据权利要求16所述的装置，其中，所述表征提取模块进一步用于：
20.根据权利要求16所述的装置，其中，所述表征提取模块进一步用于：
21.根据权利要求14所述的装置，其中，
22.根据权利要求21所述的装置，其中，所述预测模块进一步用于：
23.一种药物反应预测模型训练装置，所述药物反应预测模型包括：表征提取网络、提示学习网络和分类网络，所述装置包括：
24.根据权利要求23所述的装置，其中，
25.根据权利要求24所述的装置，其中，所述预训练模块进一步用于：
26.根据权利要求23所述的装置，其中，所述药物反应预测模型用于如权利要求1-9任一项所述的药物反应预测过程。
27.一种电子设备，包括：
28.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-13中任一项所述的方法。
29.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-13中任一项所述的方法。
技术总结
本公开提供了一种药物反应预测和模型训练方法、装置和设备，涉及人工智能技术领域，具体涉及深度学习、计算生物和化学等技术领域。药物反应预测方法包括：基于待预测药物包含的多个层级的实体，获取目标图；所述目标图包括实体图和交互图，所述实体图用于表征实体内部的拓扑信息，所述交互图用于表征实体之间的关联信息；对所述目标图进行表征提取处理，以获得初始表征；基于预先确定的提示标识和所述初始表征，获取目标表征；基于所述目标表征，获取所述待预测药物的药物反应预测结果。
技术研发人员：周景博,叶雨涵
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：
技术公布日：2024/9/23