基于联合Q学习优化元路径的药物靶标相互作用预测方法

本发明公开了一种基于联合Q学习优化元路径的药物靶标相互作用预测方法，先整合来自不同来源的生物相互作用数据，构建异质信息网络，并学习药物结构特征和蛋白质序列特征；然后使用联合Q学习算法进行元路径的联合优化，得到最优元路径集合；接着节点表示学习，包括构建元路径子图、采用高阶图卷积神经网络和改进的Vanilla图卷积神经网络处理不同深度的元路径子图，通过注意力机制融合不同元路径学到的节点表示特征；最后将节点特征中的药物特征与靶标特征进行拼接，送入全连接神经网络计算相互作用概率，形成最终的药物靶标相互作用预测模型并用于预测。本发明充分利用节点信息，显著提升子图表示能力，提升方法的适应性和效率。