一种基于事件图谱的多药物相互作用预测系统

本发明涉及知识图谱领域，尤其涉及一种基于事件图谱的多药物相互作用预测系统。背景技术：1、多种药物联合用药极有可能引发药物－药物相互作用（drug-drug interact,ddi），ddi是一把双刃剑，正向的ddi会增强疗效，而负向的ddi会削弱药效，引起药物－药物不良反应（drug-drug adverse reaction,ddadr），甚至可能危及生命，导致药物退出市场；2、与现有技术相比，传统的药物相互作用系统多往往依赖于统计学习和计算模型，这些方法在处理大量异构数据时存在效率低下和准确性不足的问题，同时，大多为数据驱动的，存在数据稀疏和冷启动问题，且过度依赖标记数据，没有充分利用大量的无标记数据；这些是我们需要解决的问题，为此我们提供了一种基于事件图谱的多药物相互作用预测系统。技术实现思路1、本发明的目的在于提供一种基于事件图谱的多药物相互作用预测系统。2、本发明的目的可以通过以下技术方案实现：一种基于事件图谱的多药物相互作用预测系统，包括预测中心，所述预测中心通信连接有药物信息采集模块、第一处理模块、第二处理模块、药物作用预测模块以及信息反馈模块；3、所述药物信息采集模块用于对已有药物的相关信息进行数据采集，获得相应的药物数据；4、所述第一处理模块用于对所采集的药物数据进行数据处理，获得相应的药物事件图谱；5、所述第二处理模块用于基于所获得的药物事件图谱进行数据处理，获得多视角下的药物相似图谱，并对所获得的药物相似图谱进行融合，获得相应的药物强化特性；6、所述药物作用预测模块用于依据药物强化特性构建药物作用预测模型，并基于药物作用预测模型判断待预测药物对之间是否存在相互作用；7、所述信息反馈模块用于依据判断结果获得相应的最终预测结果图，并对相应的药物相互作用进行可行性解释。8、进一步的，所述药物信息采集模块对已有药物的相关信息进行数据采集，获得相应的药物数据的过程包括：9、所述药物信息采集模块内设置有若干个数据采集单元，所述数据采集单元用于从不同数据来源对已有药物的相关信息进行数据采集，获得相应的药物数据，并将所获得的药物数据上传至预测中心内的数据仓库内进行储存。10、进一步的，所述第一处理模块对所采集的药物数据进行数据处理，获得相应的药物事件图谱的过程包括：11、读取所采集的药物数据，对所采集的药物数据进行数据预处理；12、待预处理完成，对预处理完成的药物数据进行药物实体提取，进而基于所述药物实体在相应药物数据内进行关系抽取，获得相应的药物关系；13、构建药物节点，所述药物节点内包括若干个药物结点，将所获得的药物实体储存至相应药物结点内；14、获取相应药物节点内所有的药物结点，并将所述药物结点依据所获得的药物关系进行相互关联，获得相应的药物边；15、将相应药物节点内所有药物结点以及相应药物结点之间的药物边表示为图形结构，获得相应的药物事件图谱。16、进一步的，所述药物事件图谱以三元组（gas，isstateof，cl）的形式储存在预测中心内，其中，gas为三元组的头节点、cl为三元组的尾结点，isstateof为连接头结点和尾结点之间的边。17、进一步的，所述第二处理模块基于所获得的药物事件图谱进行数据处理，获得多视角下的药物相似图谱的过程包括：18、获取相应药物所对应的药物特性数据，所述药物特性数据包括但不限于药物子结构、药物酶、药物转运、药物通路和药物适应症；19、基于所获得的药物事件图谱并结合所获得的药物特性数据构建相应的特性图谱，所述特性图谱包括但不限于药物子结构图谱、药物酶图谱、药物转运图谱、药物通路图谱和药物适应症图谱；20、对所获得的药物子结构图谱进行标记，则相应的药物子结构图谱可表示为j=（r，g，b）；21、在所述药物子结构图谱内任意选取两个药物结点，并将其标记为药物节点a和药物节点b，分别获取相应药物节点a和药物节点b的邻居集合，依据所获得的邻居集合获得相应的邻居系数；22、设置邻居阈值，将所获得的邻居系数与邻居阈值进行比较，并依据比较结果判断相应的结点a和结点b之间是否存在信息流；23、若邻居系数低于邻居阈值，表明相应的结点a和结点b之间不存在信息流，则获取相应药物子结构图谱j=（r，g，b）在r上的投影图，并将相应的投影图标记为药物相似图谱；24、若邻居系数不低于邻居阈值，表明相应的结点a和结点b之间存在信息流，则基于信息流函数对相应药物子结构图谱内的信息流进行加权，获得相应的加权信息流，进而结合相应药物子结构的投影图获得相应的药物相似图谱。25、进一步的，并对所获得的药物相似图谱进行融合，获得相应的药物强化特性的过程包括：26、采用同种方法分别对药物酶图谱、药物转运图谱、药物通路图谱和药物适应症图谱进行处理，获得对应的药物相似图谱；27、对所获得的药物相似图谱进行卷积处理，获得相应药物特性视角下所对应的药物表示；将所获得的所有药物表示进行特征融合，获得相应的药物强化特性。28、进一步的，所述药物作用预测模块依据药物强化特性构建药物作用预测模型，并基于药物作用预测模型判断待预测药物对之间是否存在相互作用的过程包括：29、基于所获得的药物强化特性以及药物事件图谱构建相应的药物作用预测模型；30、获取患者的医疗处方，依据患者的医疗药方，获得若干个待预测药物对，获取相应待预测药物对所对应的药物分子图；31、进而基于相应待预测药物对的药物分子图遍历相应的药物事件图谱，获得相应的ddi预测图谱；32、同时，获取患者的基本信息，依据患者的基本信息从ddi预测图谱内的任意一个药物结点为起点，遍历相应的ddi预测图谱，获得相应的预测子图；33、将相应的预测子图输入至所构建的药物作用模型内，获得相应的输出结果，并基于输出结果判断相应的待预测药物对是否存在相互作用以及作用表现；34、若不存在相互作用，则不进行其他任何操作；若存在相互作用，则获取相应待预测药物对所对应的作用表现。35、进一步的，所述信息反馈模块对相应预测子图进行图像优化处理，并对相应药物相互作用进行可行性解释的过程包括：36、读取相应预测子图内的三元组，并在相应三元组内的头结点和尾结点之间添加一个边，获得相应的预测增强图，进而基于预设边权重函数为头结点与尾结点之间的边设置权重，并基于所设置的权重对相应的预测增强图进行优化，获得相应的最终预测结果图；37、读取相应最终预测结果图内的药物边，获得相应药物边所对应的药物关系，并依据相应的药物关系确定相应待预测药物对所对应的相互作用类型；38、基于生物信息学分析方法对所获得的相互作用类型进行分析，获得药物相互作用的作用机制；39、进而依据所获得的作用机制以及相互作用类型对相应最终预测结果图内的药物边筛选，获得相应的药物解释边，并将其在最终预测结果图内进行标记，并反馈给相应患者的负责医生。40、与现有技术相比，本发明的有益效果是：41、1、通过所采集的药物数据构建相应的药物事件图谱，并基于信息流理论对相应药物事件图谱进行处理，获得相应的药物相似图谱并进行卷积，获得相应的药物表示，从而得到信息更加丰富、质量更高的药物特征表示，有助于提高药物使用的安全性和有效性，为患者带来更好的治疗效果；42、2、通过信息反馈模块生成最终预测图，并通过药物物相互作用的相互作用类型和作用机制获取相应的药物解释边，以解决现有预测中不具备可解释性的问题，同时为医生提供决策支持，有助于提升药物研发效率和安全性，助力精准医疗。