【技术实现步骤摘要】
本专利技术属于中医药性预测、复杂网络、人工智能，机器学习等领域，特别是涉及一种基于图卷积神经网络的中药寒热药性预测方法。
技术介绍
1、包括寒热在内的中药四气五味药性理论是中医的基本理论之一，几千年来对于指导疾病预防和治疗等起到了非常重要的作用，是中医临床用药的基本理论依据之一。然而对于中药药性的作用原理和机制，还存在很多未能解决的问题。对于中药寒热机制也有很多的探讨，比如寒热的作用机制和atp、抗氧化活性和免疫调节活性有关，还有研究认为寒热的表达与肠道微生物群的关系比较密切,并且寒热药物可以通过抑制(促进)精氨酸、脯氨酸代谢和色氨酸等代谢过程产生效果,之所以药物有寒热属性的不同是因为含有不同成分或者成分有不同含量。目前的中药寒热属性确定多数仅基于古籍文献记载或医家个人临床经验，缺少现代科学机制的支撑，亟需建立一种融合中药传统药性理论和现代生物信息的中药寒热属性预测方法，解决中药寒热药性属性判定和鉴别问题，为中药新药组方发现、中医临床合理用药提供技术支持。
技术实现思路
1、本专利技术的目的是提供一种基于图卷积神经网络的中药寒热药性预测方法，以解决上述现有技术存在的问题。
2、为实现上述目的，本专利技术提供了一种基于图卷积神经网络的中药寒热药性预测方法，包括：
3、选取寒性中药与热性中药并分别获得对应的靶点组成矩阵，根据所述矩阵筛选获得区分靶点特征，根据区分靶点特征获得特征矩阵；
4、基于中药之间的配伍关系，构建中药—中药矩阵；
5、
6、基于所述中药寒热药性预测模型对中药药性进行预测。
7、可选的，根据单个靶点在寒性中药与热性中药中的分布差异确定靶点得分，根据靶点得分对靶点进行筛选，获得区分靶点特征。
8、可选的，所述中药-中药网络包括中药和连边关系，其中，节点表示一味中药，网络中的连边表示两位中药同时出现在同一方剂中，权重表示共同出现在数据集中的次数的加权。
9、可选的，设定连边阈值，若两位中药权重大于等于连边阈值，则两位中药之间出现连边。
10、可选的，将所述中药寒热药性预测模型的输出采用softmax函数输出对应标签概率，概率最大的标签为预测的中药药性，其中，softmax(xi)＝exp(xi)/∑iexp(xi)，xi表示热药或者寒药的预测概率。
11、可选的，基于所述中药寒热药性预测模型对中药药性进行预测的过程表示为：
12、
13、其中，f(x，a)对应的预测属性的概率，w为对应的每一层的权重，为新的度矩阵，为新的邻接矩阵，x表示中药特征向量。
14、可选的，模型训练使用交叉熵做为损失函数：
15、
16、其中i表示样本中的第i个样本，f表示类别数，yic表示真实的标签结果，如果第i个样本为类别c，则yic＝1，否则等于0；pic表示预测结果的分类概率。
17、与现有技术相比，本专利技术具有如下优点和技术效果：
18、本专利技术结合机器学习、人工智能、优化计算等方法，提出一种基于中药扰动靶点的药物预测研究算法(hpgcn)，用来预测中药的寒热性质。与传统的机器学习方法如lr，svm等相比，hpgcn模型在预测的准确性和精确度等指标具有明显的提高；hpgcn能够有效的预测中药寒热性质，可以解决中药寒热药性属性的预测和鉴别问题，为中药新药组方发现、中医临床合理用药提供技术支持。
本文档来自技高网...【技术保护点】
1.一种基于图卷积神经网络的中药寒热药性预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于图卷积神经网络的中药寒热药性预测方法，其特征在于，
3.根据权利要求1所述的基于图卷积神经网络的中药寒热药性预测方法，其特征在于，
4.根据权利要求3所述的基于图卷积神经网络的中药寒热药性预测方法，其特征在于，
5.根据权利要求1所述的基于图卷积神经网络的中药寒热药性预测方法，其特征在于，
6.根据权利要求1所述的基于图卷积神经网络的中药寒热药性预测方法，其特征在于，
7.根据权利要求1所述的基于图卷积神经网络的中药寒热药性预测方法，其特征在于，
【技术特征摘要】
1.一种基于图卷积神经网络的中药寒热药性预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于图卷积神经网络的中药寒热药性预测方法，其特征在于，
3.根据权利要求1所述的基于图卷积神经网络的中药寒热药性预测方法，其特征在于，
4.根据权利要求3所述的基于图卷积神经网...
【专利技术属性】
技术研发人员：李兵，牛琪锴，王晶爱，曾子玲，许海玉，张华敏，
申请(专利权)人：中国中医科学院中药研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。