基于深度学习的药物组合预测研究

来源 :西南大学 | 被引量 : 0次 | 上传用户:vbkiller2008
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
药物组合在治疗多种复杂疾病中发挥着重要作用,它能从多个治疗方向促进患者健康恢复。与单一药物治疗相比,药物组合治疗不仅能够提高治疗效果,而且可以降低单一药物剂量增加带来的副作用。然而,通过临床实验手段验证成千上万种药物组合的有效性,会消耗大量人力和物力资源。深度学习的迅速发展,为临床医疗数据的挖掘与运用提供了新手段。通过深度学习技术对临床医疗数据加以分析,筛选出潜在有效的治疗药物组合,可以大大减少临床专家发现有效药物组合的工作量,缩短有效药物组合研发周期。本文围绕如何利用深度学习技术提高药物组合预测准确率展开研究,主要包括以下两方面:(1)针对患者时序特征与药物知识提取不充分的问题,提出一种时间注意力机制提取患者的重要时序特征,利用图神经网络计算融入药物知识的药物表示向量,实现药物组合的精准预测。首先,基于循环神经网络设计一种时间注意力机制,提取不同时间步上患者的时序特征。该注意力机制由两层循环神经网络组成,在每层上对不同视图的医疗序列数据计算注意力权重,实现对患者不同特征重要性的区分,充分提取医疗序列数据隐藏的患者特征,并且以键值对的形式存储患者历史特征。然后,将药物组合转换为药物网络,每个药物节点通过边与它的组合药物互相连接。药物节点的嵌入向量不仅包含自身属性,还包括邻居节点特征。通过图神经网络学习药物与药物之间关联性知识,融入到药物节点的表示向量,充分获取整个药物网络信息。最后,根据键值对记忆存储机制检索患者历史特征,计算输出向量,结合患者特征表示向量预测药物组合。实验结果表明,利用患者时序特征与药物知识能够准确预测药物组合,并且在一定程度上可以控制药物不良反应发生的概率。(2)针对先验医学知识与患者全局特征计算复杂的问题,设计一种先验医学知识提取规则计算启发式药物特征,利用多头注意力机制从不同医疗数据视图的特征子空间获取患者全局特征,实现药物组合算法预测准确率的提升。首先,设计一种约束性启发式药物计算规则,将复杂的先验医学知识转化为数值,建立诊断与药物之间的映射关系。先验医学知识为药物组合预测提供启发式药物特征,帮助算法更好地拟合深度学习训练参数。然后,利用多头注意力机制获取不同医疗数据视图内的交互关系,实现从不同医疗数据视图的特征子空间提取患者全局特征。多头注意力机制建立在自注意力机制基础上,在每一个自注意力层上,都定义了查询向量、键向量和值向量。因此,每一个自注意力层都可以学习医疗序列数据中不同元素的重要性,通过将不同注意层的特征拼接起来实现从不同的特征子空间获取全局信息。最后,利用键值对记忆存储机制,存储和检索患者历史特征,预测药物组合。实验结果表明,先验医学知识与患者全局特征能够进一步提高算法的预测准确率,通过案例分析展示出算法在分析不常见疾病治疗时具有较好的预测表现。
其他文献
人机对话作为自然语言处理的一个重要分支,旨在使普通人能够使用自然语言与机器进行交互,以方便快捷的方式获得自动信息服务。现有的人机对话系统主要可分为闲聊型和任务型两大类。任务型对话系统包含自然语言理解(Natural Language Understanding,NLU)、对话状态追踪(Dialog State Tracking,DST)、对话策略(Dialogue Policy,DP)和自然语言生
学位
聚类分析是一种经典的无监督机器学习方法,其主要目标是根据数据空间的相似性,密度,间隔或特定的统计分布度量将数据进行划分。聚类一般用于探索性的数据挖掘问题,如今在图像分析,信息检索,数据压缩,文本挖掘和生物信息学等多个领域均有广泛的应用。然而,随着数据采集技术和存储技术的进一步发展,大量的无结构化、非线性的高维数据也随之产生,传统的聚类算法往往无法有效地揭示和探索这些高维非线性数据的潜在知识规律。因
学位
报纸
背景:研究表明,在地塞米松诱导腭裂的小鼠胚胎腭突间充质细胞中miR-135a-5p呈高表达,初级纤毛及其介导的Shh信号通路参与小鼠胚胎腭突间充质细胞的自噬。由此猜测miR-135a-5p可能通过初级纤毛及其介导的Shh信号途径调控小鼠胚胎腭突间充质细胞的自噬。目的:探讨miR-135a-5p对小鼠胚胎腭突间充质细胞自噬的调控作用。方法:体外提取并培养C57BL/6J小鼠胚胎腭突间充质细胞。细胞转
期刊
并非所有的成果都类似诺贝尔奖的获奖工作或发表在《Nature》或《Science》上的研究一样拥有相当的成就与影响力,对于其余大部分的科研成果进行合理的量化分析,往往关系到科研政策、评价规则等的制定与修改,是长期以来的研究课题。研究实体主要有两种公开行为,即发表和引用。发表中包含的信息相对有限,其作为作者对自身研究内容的单向表达,基本只能体现作者在对应时期的研究内容及合作关系;而引用作为科研工作间
学位
图像超分辨率重建是计算机视觉中的一项关键性技术,旨在将低分辨率图像重建成具有丰富纹理细节的高清分辨率图像。在如视频重建,医学检测、地理遥感、目标识别等众多领域有着广阔的应用前景和重要的研究价值。高分辨率图像模糊退化成低分辨率图像的过程中含有诸多难以建模的复杂因素,该映射是一种一对多的关系,难以一种求解简便的逆函数方法得到超分辨率图像。近年来,随着深度学习的发展以及在图像重建的实际应用,超分辨率重建
学位
变应性鼻炎(Allergic rhinitis,AR)是指特应性个体接触变应原后,发生的主要由过敏原特异性Ig E介导的,且体内有多种免疫细胞及细胞因子参与的鼻黏膜慢性非感染性炎性疾病。主要临床表现包括,阵发性喷嚏、流清水样涕、鼻痒和鼻塞,且可能伴有支气管哮喘、慢性鼻窦炎和变应性结膜炎等多种并发症,对人们的生活和健康造成极大困扰。流行病学调查显示,全球大约有10%-40%的AR患者,不仅在生活质量
学位
背景和目的:骨关节炎(Osteoarthritis,OA)的发展与关节组织中老化细胞的增多和软骨降解有关,原因可能是线粒体功能障碍和氧化应激。因此,减少氧化应激对软骨细胞的损伤通常被视为治疗OA的有效手段。淫羊藿作为一种传统中草药,常用于OA的基础研究和临床治疗。其独特的黄酮类化合物淫羊藿苷被历版《中国药典》指定为淫羊藿药材质量评价的指标性成分,具有清除氧自由基(Reactive oxygen s
学位
随着信息技术的蓬勃发展,人类社会中产生的数据量飞速增长,数据对象的类别及其相互之间的关联越来越复杂,形成了规模巨大、种类繁多的异构信息网络(Heterogeneous Information Network,HIN),如何挖掘这些数据中包含的知识成为亟需解决的问题。因此,需要探索合理的异构信息网络表示方式,以提高存储与分析的效率。早期的方法基于网络采样的结果学习网络节点的稠密向量表示。然而,这类方
学位
随着互联网行业的快速发展,人类的生产生活产生大量的复杂网络。链路预测的主要任务是通过已知的网络节点以及网络结构等信息,预测网络中尚未产生连边的节点对之间在未来产生链接的可能性。作为数据挖掘领域的一个重要分支,链路预测已成为各领域研究者关注的重点,广泛应用于生物实验、推荐系统、网络重构、在线社交等领域。以共同邻居(Common Neighbors,CN)为代表的传统链路预测算法仅根据节点的一阶邻居信
学位