基于药物融合相关性数据及图卷积网络预测药物毒性方法

基于药物融合相关性数据及图卷积网络预测药物毒性方法，属于机器学习及药物化学与毒理基因组结合技术领域，解决如何提高药物毒性的预测效果的问题，本发明利用蛋白质相互作用网络得到药物间相关性，同时对药物进行化学结构进行分析，将药物间相关性与相似性进行结合，通过图卷积神经网络模型与基因表达数据进行特征提取与分类，从而得到预测结果；采用十二折交叉验证方法减少模型由于数据量小的问题；将构建模型与已存的药物毒性预测模型进行对比验证，试验结果表明本发明通过图卷积神经网络与基因表达数据进行特征提取与分类具有较高的预测准确率。