基于层次化表征学习框架的药物-靶点关联预测方法

本发明提供了基于层次化表征学习框架的药物‑靶点关联预测方法，在方法中，基于动态波动阈值筛选高信息密度节点，消减低度噪声节点后，按虚拟边权重公式重构拓扑连接；将动态邻域搜索框架提取的药物分子特征与去噪自编码器生成的蛋白质语义特征进行张量级拼接，形成药物‑蛋白质对的联合特征表示；利用多头注意力机制为基于药物‑蛋白质对的多视图特征分配动态权重，拼接多视图特征向量，经注意力机制筛选关键信息后，输入全连接神经网络，基于全连接神经网络输出关联预测值。本申请的关联预测方法解决了模型对复杂生物相互作用的预测精度差、模型对复杂生物网络中多层次特征学习关联的理解能力严重受限的问题。