基于机器学习的药物不良反应关键问题研究

发布时间：2024-01-28 08:02

　　近年来,因药物使用引发的安全性问题受到广泛重视,药物不良反应作为药物安全性研究的重要问题,其已成为继心血管疾病、癌症、感染性疾病后的第四大死亡因素。全球每年因药物不良反应导致的伤残或死亡患者达770000例,不仅对患者造成沉重的经济负担,也对医疗卫生系统造成巨大资源消耗。中药配伍禁忌和化学药物间不良反应是药物不良反应研究的重要研究内容。论文通过设计机器学习模型,构建中药配伍禁忌关系和化学药物间不良反应关系,实现中药配伍禁忌和化学药物间不良反应预测。论文研究工作如下:(1)复杂网络反社区检测能够发现节点间消极关系,中药配伍禁忌可视为中药间的消极关系,鲜见于相同方剂。通过方剂中中药高频共现关系构建中药药对网络,在药对网络中检测中药反社区,实现中药配伍禁忌预测。论文提出两种基于随机块模型的反社区检测算法,通过分析度数和自环因素对随机块模型影响,设计度数随机块模型DBM(Degree stochastic Block Model)和无自环随机块模型NESOM(No s Elf-edge Stochastic bl Ock Model),提出反社区结构评价函数L(C)和Q(C)、反社区结构人工网...

【文章页数】：201 页

【学位级别】：博士

图2-1化学药物间不良反应发生流程[255]

图2-2阿司匹林（Aspirin）和华法林（Warfarin）的分子结构、副作用、靶点、作用基因和代谢途径[204,206]

图2-3多任务学习框架图[144]

图2-4Karate网络中的社区结构

本文编号：3887338