(19)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 202210512683.3 (22)申请日 2022.05.11 (71)申请人 中国人民解 放军总医院 地址 100853 北京市海淀区复兴 路28号 (72)发明人 宋欣雨　贾志龙　何昆仑　 (74)专利代理 机构 北京志霖恒远知识产权代理 事务所(普通 合伙) 11435 专利代理师 郭栋梁 (51)Int.Cl. G16B 15/30(2019.01) G06F 16/36(2019.01) (54)发明名称 抗病毒药物重定位模型的训练方法、 系统、 装置及产品 (57)摘要 本申请公开了一种抗病毒药物重定位模型 的训练方法、 系统、 装置及产品， 其中， 抗病毒药 物重定位模型的训练方法， 包括： 通过数据库获 取药物与病毒之间的关联数据； 将药物与病毒之 间的关联数据输入至抗病毒药物重新定位架构 中， 所述框架由若干模型组成； 构建规则模型， 基 于药物与病毒之间的关联数据构建药物和病毒 知识图谱， 基于随机游走等算法获取对应的药物 和病毒之间的规则； 构建预测模型， 基于关联数 据和药物和病毒之间的规则权重构建深度神经 网络， 生成抗病毒药物的预测分数； 构建多任务 学习模型， 协同训练规则模型和预测模型， 获取 最优规则权重。 将病毒数据和药物数据传送至抗 病毒药物重新定位架构中完成训练。 该模型的准 确率高和可解释性强。 权利要求书2页 说明书10页 附图4页 CN 114974406 A 2022.08.30 CN 114974406 A 1.一种抗病毒药物重 定位模型的训练方法， 其特 征在于， 包括： 通过数据库获取 药物与病毒之间的关联 数据； 将所述药物与病 毒之间的关联数据输入至抗病 毒药物重新定位架构中， 所述抗病 毒药 物重新定位架构由若干模型组建； 构建规则模型， 基于所述药物与病 毒之间的关联数据获取对应的药物和病 毒之间的规 则， 所述规则为药物和病毒之间的关联属性； 构建预测模型， 基于所述关联数据和药物与病 毒之间的权重生成抗病 毒药物的预测分 数， 并基于所述预测分数对药物抗病毒 可能性进 行分析， 其中， 所述药物与病毒之间的权重 是基于所述药物和病毒之间的关联属性得到的； 构建多任务学习 模型， 协同训练所述规则模型和所述预测模型并使所述规则模型和所 述预测模型共享权 重， 以获取最优权 重； 将病毒数据和药物数据传送至所述抗病 毒药物重新定位架构中， 以完成所述抗病 毒药 物重定位模型的训练。 2.根据权利要求1所述的方法， 其特征在于， 所述构建规则模型， 基于所述药物与病毒 之间的关联 数据获取对应的药物和病毒之间的规则， 具体为： 基于两个实体路径的关系序列生成所述 规则。 3.根据权利要求2所述的方法， 其特征在于， 所述基于两个实体路径的关系序列生成所 述规则， 还包括： 规则学习模块， 基于所述药物与病毒之间的关联 数据生成多个预设规则； 规则筛选模块， 基于硬阈值筛 选方法和/或软阈值筛 选方法筛 选出一个预设规则。 4.根据权利要求1所述的方法， 其特 征在于， 所述预测模型包括： 输入层， 所述输入层用于获取 所述病毒数据和所述药物数据； 隐藏层， 所述隐藏层基于所述病毒数据和所述药物数据生成向量； 输出层， 所述输出层基于所述隐藏层的输出函数、 所述向量、 所述药物和病 毒之间的权 重生成所述 抗病毒药物的预测分数。 5.根据权利要求4所述的方法， 其特征在于， 所述输入层用于获取所述病 毒数据和所述 药物数据， 具体为： 病毒转录组表达谱和病毒转录组表达谱。 6.根据权利要求1所述的方法， 其特征在于， 所述药物与病毒之间的关联数据， 还包括 以下一种或者多种： 药物和病毒知识图谱数据、 病毒和药物转录组表达谱数据。 7.根据权利要求1所述的方法， 其特征在于， 通过数据库获取药物与病 毒之间的关联数 据之前， 还 包括： 基于PubMed、 EMBASE、 Wiley、 药物数据库， 构建药物和靶标关联关系、 病毒和药物关联 关系、 病毒和宿主蛋白关联关系、 蛋白质和蛋白质关联关系、 病毒和病毒家族关联关系， 以 生成药物与病毒之间的关联 数据。 8.一种抗病毒药物重 定位模型的训练系统， 其特 征在于， 所述系统包括： 获取模块， 被 配置用于通过 数据库获取 药物与病毒之间的关联 数据； 输入模块， 被配置用于将所述药物与病 毒之间的关联数据输入至抗病 毒药物重新定位 架构中， 所述 抗病毒药物重新定位架构由若干模型组建； 规则模块， 被配置用于基于所述药物与病 毒之间的关联数据获取对应的药物和病 毒之权　利　要　求　书 1/2 页 2 CN 114974406 A 2间的规则， 所述 规则为药物和病毒之间的关联属性； 预测模块， 被配置用于基于所述关联数据和药物与病 毒之间的权重生成抗病 毒药物的 预测分数， 并基于所述预测分数对药物抗病毒可能性进 行分析， 其中， 所述药物与病毒之间 的权重是基于所述药物和病毒之间的关联属性得到的； 多任务学习模块， 被配置用于协同训练所述规则模型和所述预测模型并使所述规则模 型和所述预测模型共享权 重， 以获取最优权 重； 训练模块， 被配置用于将病毒数据和药物数据传送至所述抗病毒药物重新定位架构 中， 以完成所述 抗病毒药物重 定位模型的训练。 9.一种抗病毒药物重定位模型的训练装置， 其特征在于， 包括处理器、 存储器， 所述存 储器中存储有至少一条指 令、 至少一段程序、 代码集 或指令集， 所述指 令、 所述程序、 所述代 码集或所述指 令集由所述处理器加载并执行以实现如权利要求1 ‑7中任意一项 所述的抗病 毒药物重 定位模型的训练方法。 10.一种计算机程序产品， 其特征在于， 当所述计算机程序产品中的指令由终端的处理 器执行时， 使得终端能够执行根据权利要求1 ‑7中任一项所述的抗病毒药物重定位模型 的 训练方法。权　利　要　求　书 2/2 页 3 CN 114974406 A 3