CN119495443A 基于知识图谱嵌入、GNN和Bi-LSTM的抗癌药物协同预测方法 （太原理工大学）_第1页
CN119495443A 基于知识图谱嵌入、GNN和Bi-LSTM的抗癌药物协同预测方法 （太原理工大学）_第2页
CN119495443A 基于知识图谱嵌入、GNN和Bi-LSTM的抗癌药物协同预测方法 （太原理工大学）_第3页
CN119495443A 基于知识图谱嵌入、GNN和Bi-LSTM的抗癌药物协同预测方法 （太原理工大学）_第4页
CN119495443A 基于知识图谱嵌入、GNN和Bi-LSTM的抗癌药物协同预测方法 （太原理工大学）_第5页
已阅读5页，还剩19页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

号本发明提供一种基于知识图谱嵌入、GNN和Bi_LSTM的抗癌药物协同预测方法，属于抗癌药于不同药物组合的协同得分将所有的药物组合2步骤S2：根据上述对应关系构建知识图谱，基于步骤S3：基于药物组合分组结果以及构建的知识图谱步骤S4：将迭代更新产生的实体邻域结构作为输入，通步骤S5：构建基于注意力的池化模块学习药物对之间的步骤S22：每个样本由两种抗癌药物、一个癌细胞以及相关的协同得分组成，定义定义前四分之一的协同分数对应的药物组合为协同作用，后四3在关系邻接矩阵Ar中包括每个实体与其邻居实体的关系，关系包括步骤S1获取的四类步骤S34：基于知识图谱和药物组合的分组结果，利用知识图谱的传播机制收集与药4具体使用双向长短期记忆网络(Bi_LSTM)对协56[0025]所述步骤S3中对邻居实体集中每个实体的初始实体嵌入表示进行迭代更新的具[0038]所述步骤S5中构建基于注意力的池化模块学习药物对之间的交互信息并进行聚78[0063]本发明相对于现有技术具备的有益效果为：本发明提出了一种基于知识图谱嵌LSTM模型捕获药物组合和细胞之间的相互作用，两个反向的LSTM层错综复杂的排列在一[0073]细胞系蛋白质相互作用从癌细胞百科全书(CancerCellLineEncyclopedia，9协同分数大小降序排列；[0085]知识图谱的相邻实体总具有很强的相关性，本模块设置用于获取药物/细胞系的[0102]所以对于任意一个实体节点，都能通过上述步骤S52操作进行加强表征，表达式[0125]模型使用Adam优化器进行训练，最大迭代次

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论