基于高斯混合模型的药物对微生物丰度影响预测方法

本发明提供了基于高斯混合模型的药物对微生物丰度影响预测方法，解决目前深度学习模型堆叠网络层易导致的特征表达能力下降，以及传统多分类方法存在的难以处理不平衡数据的分类问题。基于高斯混合模型的预测模型由数据提取模块、特征拼接模块、多层感知机、数据扩增模块以及全连接层构成，该模型通过提取药物分子图特征，微生物相似性网络特征获得了全面的节点表示，通过高斯混合模型灵活地拟合多峰分布，从多个高斯分布中采样，生成少数类别的新数据点，避免过度拟合。在数据集上对GMM‑DMA的评价表明，GMM‑DMA具有较好的药物对微生物丰度影响的预测性能，本发明提高了准确度，并且提供一个计算预测工具，推动药物发现与发展。