一种基于LLMs和ICL的药物相互作用关系预测方法

本发明提出一种基于LLMs和ICL的药物相互作用关系预测方法，属于药物相互作用关系预测技术领域，解决大语言模型在与DDI相关的特性预测领域数据集整理成本高昂、零样本场景中的泛化能力有限，以及在整合分子、生理及临床等多源数据以提升预测性能方面需要更好的引导的问题，包括：提取药物数据样本并制作数据集；对数据集中的药物数据样本进行筛选，选择前K个相似度最高的正负样本药物对；基于上下文学习以及选取的正负样本药物对构建药物关系预测模型的prompt；使用MOE对所有药物关系预测模型进行混合，评估药物关系预测模型的评分，根据评分进行加权融合，得到DDI最终预测结果。