【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于人工智能，尤其涉及一種可解釋多關(guān)系圖神經(jīng)網(wǎng)絡(luò)的藥物反應(yīng)預(yù)測(cè)方法。
技術(shù)介紹
1、在精準(zhǔn)醫(yī)療領(lǐng)域，癌癥藥物反應(yīng)cdr的預(yù)測(cè)是實(shí)現(xiàn)個(gè)性化治療方案的關(guān)鍵。
2、近年來，圖神經(jīng)網(wǎng)絡(luò)gnns在生物信息學(xué)領(lǐng)域的cdr預(yù)測(cè)任務(wù)中顯示出潛力，基于gnns的預(yù)測(cè)模型如mofgcn和dualgcn，雖在cdr預(yù)測(cè)方面取得了一定成果，但未充分重視可解釋性，如“黑箱”運(yùn)作一樣，醫(yī)生難以依據(jù)其預(yù)測(cè)理解藥物對(duì)患者的作用原理，無法制定精準(zhǔn)個(gè)性化治療方案；患者也因不明白預(yù)測(cè)依據(jù)而可能質(zhì)疑治療方案，降低依從性。這種缺乏可解釋性的問題阻礙了模型在臨床實(shí)踐中的有效應(yīng)用，限制了其為精準(zhǔn)醫(yī)療提供有力支持的能力。
3、因此，現(xiàn)有技術(shù)的癌癥藥物反應(yīng)cdr的預(yù)測(cè)中，由于實(shí)際操作和經(jīng)濟(jì)因素的限制，對(duì)每位患者進(jìn)行廣泛的藥物測(cè)試是不切實(shí)際的，因此，開發(fā)能夠準(zhǔn)確預(yù)測(cè)cdr的計(jì)算模型成為了臨床實(shí)踐中的一個(gè)迫切需求。現(xiàn)有的預(yù)測(cè)方法存在顯著缺陷，包括模型的黑箱特性和對(duì)復(fù)雜生物網(wǎng)絡(luò)關(guān)系的不充分理解等問題。此外，現(xiàn)有方法未能充分利用生物信息學(xué)中特定類型邊的重要性，且在實(shí)際數(shù)據(jù)集中缺乏明確的基準(zhǔn)gt，難以評(píng)估解釋的有效性。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)實(shí)施例的目的在于提供一種可解釋多關(guān)系圖神經(jīng)網(wǎng)絡(luò)的藥物反應(yīng)預(yù)測(cè)方法，旨在解決上述
技術(shù)介紹
中所提出的技術(shù)問題。
2、為實(shí)現(xiàn)上述目的，本專利技術(shù)提供了如下的技術(shù)方案。
3、本專利技術(shù)實(shí)施例提供了一種可解釋多關(guān)系圖神經(jīng)網(wǎng)絡(luò)的藥物反應(yīng)預(yù)測(cè)方法，包括以
4、獲取細(xì)胞系多組學(xué)數(shù)據(jù)、藥物數(shù)據(jù)及藥物反應(yīng)三元組數(shù)據(jù)；
5、運(yùn)用dnn處理細(xì)胞學(xué)多組學(xué)數(shù)據(jù)，得到細(xì)胞系特征表示，運(yùn)用gnn處理藥物數(shù)據(jù)，得到藥物特征表示，通過設(shè)定余弦相似度閾值生成相似性三元組，分別獲得細(xì)胞系相似性三元組和藥物相似性三元組；并將藥物的半最大抑制濃度轉(zhuǎn)化為敏感性和抗性關(guān)系，得到藥物反應(yīng)關(guān)系；
6、將得到的相似性數(shù)據(jù)與藥物反應(yīng)關(guān)系整合，構(gòu)建包含細(xì)胞系和藥物節(jié)點(diǎn)，以及敏感性、抗性、藥物相似性、細(xì)胞相似性等關(guān)系類型的有向異質(zhì)圖；
7、采用r-gcn模型處理有向異質(zhì)圖，通過節(jié)點(diǎn)特征聚合更新節(jié)點(diǎn)表示，生成正負(fù)樣本進(jìn)行訓(xùn)練，預(yù)測(cè)潛在的細(xì)胞系與藥物間的鏈接關(guān)系；
8、結(jié)合原始圖與預(yù)測(cè)結(jié)果生成計(jì)算圖，提取待解釋邊鄰域圖，利用可優(yōu)化掩碼和邊類型加權(quán)機(jī)制，通過最大化互信息與結(jié)構(gòu)評(píng)分優(yōu)化得到解釋子圖，從互信息和結(jié)構(gòu)評(píng)分兩方面對(duì)解釋過程進(jìn)行定義；
9、利用網(wǎng)絡(luò)關(guān)系和已知三元組構(gòu)建真實(shí)基準(zhǔn)gt，通過計(jì)算精確率、召回率和f1分?jǐn)?shù)評(píng)估解釋過程的準(zhǔn)確性，通過計(jì)算解釋穩(wěn)定性指標(biāo)，評(píng)估解釋結(jié)果的穩(wěn)定性，輸出經(jīng)五折交叉驗(yàn)證后的平均評(píng)估指標(biāo)。
10、進(jìn)一步的，所述運(yùn)用dnn處理細(xì)胞學(xué)多組學(xué)數(shù)據(jù)，得到細(xì)胞系特征表示的步驟，包括：細(xì)胞系多組學(xué)數(shù)據(jù)為，通過dnn層對(duì)其進(jìn)行特征學(xué)習(xí)，得到細(xì)胞系表征，其中，cell?num表示細(xì)胞系數(shù)量，dim表示特征維度；
11、所述運(yùn)用gnn處理藥物數(shù)據(jù)，得到藥物特征表示的步驟，包括：使用gnn層從藥物數(shù)據(jù)中提取藥物表征，設(shè)定藥物表征數(shù)據(jù)經(jīng)過處理后再gnn的輸入表示為，經(jīng)過gnn層的計(jì)算得到藥物表征，其中，drug?num表示藥物數(shù)量，dim表示特征維度；
12、所述細(xì)胞系相似性三元組的生成過程包括：計(jì)算細(xì)胞系i和細(xì)胞系j之間的余弦相似度：；其中，hc[i]表示細(xì)胞系i的表征向量；hc[j]表示細(xì)胞系j的表征向量；當(dāng)simij≥0.96時(shí)，認(rèn)為細(xì)胞系i和細(xì)胞系j相似，形成細(xì)胞系相似性三元組（i，csim，j）；
13、所述藥物相似性三元組的生成過程包括：計(jì)算藥物m和藥物n之間的余弦相似度：；其中，hd[m]表示藥物m的表征向量，hd[n]表示藥物n的表征向量；當(dāng)simmn≥0.85時(shí)，認(rèn)為藥物m和藥物n相似，形成藥物相似性三元組（m，dsim，n）；
14、所述將藥物的半最大抑制濃度轉(zhuǎn)化為敏感性和抗性關(guān)系，得到藥物反應(yīng)關(guān)系的步驟，包括：將藥物的半最大抑制濃度ic50值轉(zhuǎn)換為敏感性和抗性關(guān)系，對(duì)于細(xì)胞系c和藥物d，若藥物d在細(xì)胞系c中的ic50值低于敏感性閾值，則確定為敏感關(guān)系（c，sen，d）；否則為抗性關(guān)系（c，res，d）。
15、進(jìn)一步的，構(gòu)建有向異質(zhì)圖的步驟，包括：
16、將細(xì)胞系表征hc和藥物表征hd作為節(jié)點(diǎn)，細(xì)胞系節(jié)點(diǎn)集合vc中的每個(gè)節(jié)點(diǎn)對(duì)應(yīng)一個(gè)細(xì)胞系表征，藥物節(jié)點(diǎn)集合vd中的每個(gè)節(jié)點(diǎn)對(duì)應(yīng)一個(gè)藥物表征，整體節(jié)點(diǎn)集合v表示為：v=vc∪vd；
17、把細(xì)胞系相似性三元組（i，csim，j）中的關(guān)系csim、藥物相似性三元組（m，dsim，n）中的關(guān)系dsim以及由ic50值轉(zhuǎn)換得到的敏感性關(guān)系（c，sen，d）和抗性關(guān)系（c，res，d）作為邊，形成邊集合e；
18、構(gòu)建有向異質(zhì)圖g=(v,e,r)，其中，r表示不同類型的關(guān)系集合，r={sen，res，dsim，csim}，對(duì)于每一個(gè)細(xì)胞系節(jié)點(diǎn)i∈vc和藥物節(jié)點(diǎn)j∈vd，如果存在敏感性關(guān)系（i，sen，j），則在圖中添加一條從細(xì)胞系節(jié)點(diǎn)i指向藥物節(jié)點(diǎn)j的有向邊，表示細(xì)胞系i對(duì)藥物j敏感；如果存在抗性關(guān)系（i，res，j），則添加一條從細(xì)胞系節(jié)點(diǎn)i指向藥物節(jié)點(diǎn)j的有向邊，表示細(xì)胞系i對(duì)藥物j有抗性；對(duì)于細(xì)胞系相似性三元組（i，csim，j），添加一條從細(xì)胞系節(jié)點(diǎn)i指向細(xì)胞系節(jié)點(diǎn)j的有向邊，表示細(xì)胞系i和細(xì)胞系j具有相似性；對(duì)于藥物相似性三元組（m，dsim，n），添加一條從藥物節(jié)點(diǎn)m指向藥物節(jié)點(diǎn)n的有向邊，表示藥物m和藥物n具有相似性。
19、進(jìn)一步的，所述預(yù)測(cè)潛在的細(xì)胞系與藥物間的鏈接關(guān)系的步驟，包括：
20、在r-gcn框架中，節(jié)點(diǎn)參數(shù)更新分兩步：首先，對(duì)于每一個(gè)節(jié)點(diǎn)vi∈v在第l層，除了聚合來自自身以及通過關(guān)系r∈r與其相連的鄰居節(jié)點(diǎn)vj∈v的特征外，引入注意力機(jī)制計(jì)算注意力權(quán)重，計(jì)算注意力系數(shù)，用于衡量節(jié)點(diǎn)j通過關(guān)系對(duì)節(jié)點(diǎn)的重要性；設(shè)定和分別為節(jié)點(diǎn)i和節(jié)點(diǎn)j在第l層的隱藏狀態(tài)，通過一個(gè)共享的線性變換wa和激活函數(shù)leakyrelu來計(jì)算注意力分?jǐn)?shù)：
21、；
22、其中，||表示拼接操作，和分別為節(jié)點(diǎn)i和節(jié)點(diǎn)j在第l層的隱藏狀態(tài)；表示節(jié)點(diǎn)自身特征的線性變換權(quán)重矩陣，用于對(duì)節(jié)點(diǎn)i在第l層的隱藏狀態(tài)進(jìn)行線性變換；表示與關(guān)系r相關(guān)的線性變換權(quán)重矩陣，用于節(jié)點(diǎn)j在第l層的隱藏狀態(tài)進(jìn)行與關(guān)系r相關(guān)的線性變換；
23、然后，通過softmax函數(shù)對(duì)注意力分?jǐn)?shù)進(jìn)行歸一化，得到注意力系數(shù)：
24、；
25、其中，表示節(jié)點(diǎn)i通過關(guān)系r連接的鄰居節(jié)點(diǎn)集合；表示節(jié)點(diǎn)i與通過關(guān)系相連的鄰居節(jié)點(diǎn)k之間的注意力分?jǐn)?shù)；
26、基于計(jì)算得到的注意力系數(shù)，進(jìn)行節(jié)點(diǎn)特征聚合，聚合操作公式為：
27、；
28、其中，σ為非線性激活函數(shù)；ci,r是特定于問題的歸一化常數(shù)；wr是關(guān)系r的參數(shù)；表示注意力系數(shù)；和分別本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種可解釋多關(guān)系圖神經(jīng)網(wǎng)絡(luò)的藥物反應(yīng)預(yù)測(cè)方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的可解釋多關(guān)系圖神經(jīng)網(wǎng)絡(luò)的藥物反應(yīng)預(yù)測(cè)方法，其特征在于，所述運(yùn)用DNN處理細(xì)胞學(xué)多組學(xué)數(shù)據(jù)，得到細(xì)胞系特征表示的步驟，包括：細(xì)胞系多組學(xué)數(shù)據(jù)為，通過DNN層對(duì)其進(jìn)行特征學(xué)習(xí)，得到細(xì)胞系表征，其中，cell?num表示細(xì)胞系數(shù)量，dim表示特征維度；
3.根據(jù)權(quán)利要求2所述的可解釋多關(guān)系圖神經(jīng)網(wǎng)絡(luò)的藥物反應(yīng)預(yù)測(cè)方法，其特征在于，構(gòu)建有向異質(zhì)圖的步驟，包括：
4.根據(jù)權(quán)利要求3所述的可解釋多關(guān)系圖神經(jīng)網(wǎng)絡(luò)的藥物反應(yīng)預(yù)測(cè)方法，其特征在于，所述預(yù)測(cè)潛在的細(xì)胞系與藥物間的鏈接關(guān)系的步驟，包括：
5.根據(jù)權(quán)利要求4所述的可解釋多關(guān)系圖神經(jīng)網(wǎng)絡(luò)的藥物反應(yīng)預(yù)測(cè)方法，其特征在于，所述生成計(jì)算圖與提取鄰域圖的步驟，包括：結(jié)合原始有向圖G0與對(duì)應(yīng)的預(yù)測(cè)結(jié)果Y0，生成計(jì)算圖Gc，將預(yù)測(cè)存在敏感性關(guān)系整合進(jìn)Gc，針對(duì)待解釋邊，從Gc中提取k跳鄰域圖Gn，k跳鄰域圖包含與待解釋邊在k步連接范圍內(nèi)的節(jié)點(diǎn)和邊。
6.根據(jù)權(quán)利要求5所述的可解釋多關(guān)系圖神經(jīng)
7.根據(jù)權(quán)利要求6所述的可解釋多關(guān)系圖神經(jīng)網(wǎng)絡(luò)的藥物反應(yīng)預(yù)測(cè)方法，其特征在于，所述從互信息和結(jié)構(gòu)評(píng)分兩方面對(duì)解釋過程進(jìn)行定義的步驟，包括：
8.根據(jù)權(quán)利要求7所述的可解釋多關(guān)系圖神經(jīng)網(wǎng)絡(luò)的藥物反應(yīng)預(yù)測(cè)方法，其特征在于，所述利用網(wǎng)絡(luò)關(guān)系和已知三元組構(gòu)建真實(shí)基準(zhǔn)GT的步驟，包括：
9.根據(jù)權(quán)利要求8所述的可解釋多關(guān)系圖神經(jīng)網(wǎng)絡(luò)的藥物反應(yīng)預(yù)測(cè)方法，其特征在于，在所述通過計(jì)算精確率、召回率和F1分?jǐn)?shù)評(píng)估解釋過程的準(zhǔn)確性的步驟中：
10.根據(jù)權(quán)利要求9所述的可解釋多關(guān)系圖神經(jīng)網(wǎng)絡(luò)的藥物反應(yīng)預(yù)測(cè)方法，其特征在于，所述評(píng)估解釋結(jié)果的穩(wěn)定性的步驟，包括：
...【技術(shù)特征摘要】
1.一種可解釋多關(guān)系圖神經(jīng)網(wǎng)絡(luò)的藥物反應(yīng)預(yù)測(cè)方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的可解釋多關(guān)系圖神經(jīng)網(wǎng)絡(luò)的藥物反應(yīng)預(yù)測(cè)方法，其特征在于，所述運(yùn)用dnn處理細(xì)胞學(xué)多組學(xué)數(shù)據(jù)，得到細(xì)胞系特征表示的步驟，包括：細(xì)胞系多組學(xué)數(shù)據(jù)為，通過dnn層對(duì)其進(jìn)行特征學(xué)習(xí)，得到細(xì)胞系表征，其中，cell?num表示細(xì)胞系數(shù)量，dim表示特征維度；
3.根據(jù)權(quán)利要求2所述的可解釋多關(guān)系圖神經(jīng)網(wǎng)絡(luò)的藥物反應(yīng)預(yù)測(cè)方法，其特征在于，構(gòu)建有向異質(zhì)圖的步驟，包括：
4.根據(jù)權(quán)利要求3所述的可解釋多關(guān)系圖神經(jīng)網(wǎng)絡(luò)的藥物反應(yīng)預(yù)測(cè)方法，其特征在于，所述預(yù)測(cè)潛在的細(xì)胞系與藥物間的鏈接關(guān)系的步驟，包括：
5.根據(jù)權(quán)利要求4所述的可解釋多關(guān)系圖神經(jīng)網(wǎng)絡(luò)的藥物反應(yīng)預(yù)測(cè)方法，其特征在于，所述生成計(jì)算圖與提取鄰域圖的步驟，包括：結(jié)合原始有向圖g0與對(duì)應(yīng)的預(yù)測(cè)結(jié)果y0，生成計(jì)算圖gc，將預(yù)測(cè)存在敏感性關(guān)系整合進(jìn)gc，針對(duì)待解釋邊，...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：桂健峰，岳振宇，高羽佳，蔡夢(mèng)杰，王匯穎，
申請(qǐng)(專利權(quán))人：安徽農(nóng)業(yè)大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。