(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210028223.3 (22)申请日 2022.01.11 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田街道福安 社区益田路5 033号平安金融 中心23楼 (72)发明人 王俊　 (74)专利代理 机构 北京中强智尚知识产权代理 有限公司 1 1448 代理人 吕梦雪 (51)Int.Cl. G16B 15/30(2019.01) G16C 20/30(2019.01) G16C 20/50(2019.01) G06F 16/36(2019.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 基于人工智能的药物靶点作用关系确定方 法及装置 (57)摘要 本发明公开了一种基于人工智能的药物靶 点作用关系确定方法及装置， 涉及智能医疗处理 技术领域， 主要目的在于解决现有无法准确对药 物靶点的作用关系确认的问题。 包括： 获取目标 药物的药物分子图像数据、 以及蛋白质序列数 据； 从所述药物分子图像数据中提取分子结构表 征信息， 并从所述蛋白质序列数据中提取蛋白质 靶点表征信息； 从知识图谱中获取与所述分子结 构表征信息和所述蛋白质 靶点表征信息匹配的 特征融合系数， 并基于所述特征融合系数对所述 分子结构表征信息、 所述蛋白质靶点表征信息进 行特征融合； 基于已训练的双任务预测模型对特 征融合后的所述分子结构表征信息、 所述蛋白质 靶点表征信息进行预测处理， 得到的预测结果作 为药物靶点作用关系。 权利要求书2页 说明书12页 附图4页 CN 114360639 A 2022.04.15 CN 114360639 A 1.一种基于人工智能的药物靶点作用关系确定方法， 其特 征在于， 包括： 获取目标 药物的药物分子图像数据、 以及蛋白质序列数据； 从所述药物分子图像数据中提取分子结构表征信 息， 并从所述蛋白质序列 数据中提取 蛋白质靶点表征信息； 从知识图谱中获取与所述分子结构表征信息和所述蛋白质靶点表征信息匹配的特征 融合系数， 并基于所述特征融合系 数对所述分子结构表征信息、 所述蛋白质靶点表征信息 进行特征融合； 基于已训练的双任务预测模型对特征融合后的所述分子结构表征信 息、 所述蛋白质靶 点表征信息进行 预测处理， 得到的预测结果作为药物靶点作用关系。 2.根据权利要求1所述的方法， 其特征在于， 所述从所述药物分子图像数据中提取分子 结构表征信息之前， 所述方法还 包括： 构建无标注化合物图同构网络模型； 以药物分子图训练数据中的邻 接矩阵与属性信 息、 以及连接边作为所述所述无标注化 合物图同构网络模型的输入参数进行模型训练， 得到 完成训练的分子特 征预测模型； 所述从所述药物分子图像数据中提取分子结构表征信息包括： 基于已完成训练 的所述分子特征预测模型对所述药物分子图像数据进行预测处理， 得 到分子结构表征信息 。 3.根据权利要求1所述的方法， 其特征在于， 所述从所述蛋白质序列 数据中提取蛋白质 靶点表征信息之前， 所述方法还 包括： 构建无标注蛋白质序列语言网络模型； 以蛋白质序列训练数据进行词嵌入作为所述无标注蛋白质序列语言网络模型的输入 参数进行模型训练， 得到 完成训练的蛋白质序列靶点预测模型； 所述从所述蛋白质序列数据中提取蛋白质靶点表征信息包括： 基于已完成训练的所述蛋白质序列靶点预测模型对所述蛋白质序列数据进行预测处 理， 得到蛋白质靶点表征信息 。 4.根据权利要求2或3所述的方法， 其特征在于， 所述从知识图谱中获取与所述分子结 构表征信息和所述蛋白质靶点表征信息匹配的特 征融合系数之前， 所述方法还 包括： 基于磁共振弥散张量成像数据集构建知识图谱， 所述知识图谱中包含有不同分子结构 表征信息、 不同蛋白质靶点表征信息 分别对应的至少两个节 点， 其中， 两个节 点之间通过作 用关系进行链接； 所述从知识图谱中获取与所述分子结构表征信息和所述蛋白质靶点表征信息匹配的 特征融合系数包括： 从所述知识图谱中查找与 所述分子结构表征信 息、 所述蛋白质靶点表征信 息所对应的 作用关系， 并将所述作用关系转换为特征融合系 数， 所述特征融合系 数包括分子结构与蛋 白质靶点之间的相互作用关系 系数以及亲和力系数。 5.根据权利要求4所述的方法， 其特征在于， 所述基于已训练的双任务预测模型对特征 融合后的所述分子结构表征信息、 所述蛋白质靶点表征信息进行预测处理， 得到的预测结 果作为药物靶点作用关系之前， 所述方法还 包括： 构建两层前馈神经网络模型， 并基于特征融合训练样本数据对所述两层前馈神经网络权　利　要　求　书 1/2 页 2 CN 114360639 A 2模型进行训练， 得到完成训练的双 任务预测模型， 其中， 所述双 任务预测模型的输入参数为 融合后的分子结构表征信息、 以蛋白质靶点表征信息， 所述双任务预测模型用于进行包含 分类预测任务以及回归预测任务的双输出 处理， 以得到包含有相互作用关系预测结果以及 亲和力预测结果的药物靶点作用关系。 6.根据权利要求5所述的方法， 其特征在于， 所述基于已训练的双任务预测模型对特征 融合后的所述分子结构表征信息、 所述蛋白质靶点表征信息进行预测处理， 得到的预测结 果作为药物靶点作用关系之后， 所述方法还 包括： 调取预设药物靶点关联结构图像数据库， 所述预设药物靶点关联结构图像数据库存储 有不同相互作用关系 系数以及不同亲和力系数匹配的药物分子关联 结构图像数据； 从所述预设药物靶点关联结构图像数据库查找与所述药物靶点作用关系匹配的药物 分子关联 结构图像数据， 并进行输出。 7.根据权利要求6所述的方法， 其特 征在于， 所述方法还 包括： 若所述预设药物靶点关联结构图像数据库中未查找到与所述药物靶点作用关系匹配 的药物分子 关联结构图像数据， 则输出所述包含有相互作用关系预测结果以及亲和力预测 结果的药物靶点作用关系， 以指示进行 人工药物靶点作用关系的匹配。 8.一种基于人工智能的药物靶点作用关系确定装置， 其特 征在于， 包括： 获取模块， 用于获取目标 药物的药物分子图像数据、 以及蛋白质序列数据； 提取模块， 用于从所述药物分子 图像数据中提取分子结构表征信息， 并从所述蛋白质 序列数据中提取蛋白质靶点表征信息； 确定模块， 用于从知识图谱中获取与所述分子结构表征信 息和所述蛋白质靶点表征信 息匹配的特征融合系 数， 并基于所述特征融合系 数对所述分子结构表征信息、 所述蛋白质 靶点表征信息进行 特征融合； 处理模块， 用于基于 已训练的双任务预测模型对特征融合后的所述分子结构表征信 息、 所述蛋白质靶点表征信息进行 预测处理， 得到的预测结果作为药物靶点作用关系。 9.一种存储介质， 所述存储介质中存储有至少一可执行指令， 所述可执行指令使处理 器执行如权利要求 1‑7中任一项所述的基于人工智能的药物靶点作用关系确定方法对应的 操作。 10.一种计算机设备， 包括： 处理器、 存储器、 通信接口和通信总线， 所述处理器、 所述存 储器和所述 通信接口通过 所述通信总线完成相互间的通信； 所述存储器用于存放至少一可执行指令， 所述可执行指令使所述处理器执行如权利要 求1‑7中任一项所述的基于人工智能的药物靶点作用关系确定方法对应的操作。权　利　要　求　书 2/2 页 3 CN 114360639 A 3