一种基于多超图卷积对比学习的药物-疾病关联预测方法

本发明提出了一种基于多超图卷积对比学习的药物‑疾病关联预测方法及系统，属于生物信息学和机器学习领域。该方法首先利用药物‑疾病关联矩阵计算药物和疾病的多种相似性，包括高斯核相似性、拉普拉斯核相似性和余弦相似性，从而全面表征药物与疾病之间的潜在关系。随后，基于不同的相似性信息及药物‑疾病关联矩阵，构建了多视角超图，为药物和疾病的多维特征表达提供了结构化表示形式。在此基础上，本发明充分利用超图卷积网络的强大建模能力，分别在多视角的药物超图和疾病超图上进行学习，提取药物和疾病的多视角特征及高阶语义信息。为了进一步提升特征表达的一致性和区分能力，采用了对比学习策略，对药物和疾病特征进行联合优化，获取一致的药物和疾病特征表示。最后，融合来自超图卷积网络的多视角特征，通过特征集成方法实现对未知药物‑疾病关联的精准预测。