基于图表示学习的新冠病毒靶标预测和药物发现方法

摘要

本发明属于生物信息学领域，公开了基于图表示学习的新冠病毒靶标预测和药物发现方法，通过构造包含药物、靶标、副作用、疾病之间的作用关系的异构网络，并使用图卷积神经网络集成它本身及其各种领域拓扑结构信息，并结合注意力机制来反映不同类型的邻域信息对节点的重要程度，进而学习节点自身的特征表示，最后通过拓扑重建过程来强制提取药物和靶标的特征表示，得到边权表示关系作用强度的重定位网络。根据个别抑制新冠病毒的药物在这个重定位网络中的潜在关系，预测新型冠状病毒的靶标，并筛选出可能抑制新型冠状病毒的药物。通过这种方式，本发明能较为有效地筛选出可能抑制新型冠状病毒的药物，加快药物研发，具有十分重要的推广应用价值。