基于多核学习和图卷积网络的药物-疾病关联预测

陈书新; 李玉田; 王林

doi:10.13364/j.issn.1672-6510.20230185

天津科技大学学报 ›› 2025, Vol. 40 ›› Issue (01) : 64 -71. DOI: 10.13364/j.issn.1672-6510.20230185

基于多核学习和图卷积网络的药物-疾病关联预测

陈书新, 李玉田, 王林

作者信息 +

Author information +

文章历史 +

PDF (1224K)

摘要

识别和预测特定药物与疾病之间的关联关系，是药物研发过程中必不可少的一部分。现有方法对药物和疾病的多种异源信息整合不足。本文提出了一种基于多核学习和图卷积网络的计算方法预测药物-疾病关联。首先，对于药物相似度，基于药物-疾病关联矩阵和药物化学结构特征信息构建多个相似度核矩阵；同样，对于疾病相似度，基于关联矩阵构建多个相似度矩阵，并结合疾病语义相似度。其次，对这些相似度矩阵使用基于中心核对齐的多核学习算法进行整合。然后，构建基于图卷积网络的模型处理相似度网络和关联网络，从而提取药物和疾病特征。最后，使用内积解码器预测药物-疾病关联。与现有方法对比，本预测模型可以更准确地预测药物-疾病关联。