Are you sure you want to delete this task? Once this task is deleted, it cannot be recovered.
hzp c09dccdcb5 | 1 year ago | |
---|---|---|
README.en.md | 1 year ago | |
README.md | 1 year ago | |
collective variational autoencoder.png | 1 year ago | |
eval.py | 1 year ago | |
model.py | 1 year ago | |
multi-modal deep autoencoder.png | 1 year ago | |
train_cvae.py | 1 year ago | |
train_mda.py | 1 year ago |
DeepDR是一种基于网络的深度学习方法,通过整合十个网络进行硅药物再利用:一个药物-疾病,一个药物副作用,一个药物靶点和7个药物-药物网络,由此揭示药物和疾病之间的潜在关联。deepDR首先融合不同网络类型的信息到一个紧凑的,低维特征表示,然后学习药物特性的低维表示一起与已知的药物疾病交互对输入变分自编码器预测新的药物疾病。具体来讲,DeepDR通过多模态深度自编码器(MDA)从异构网络中学习药物的高级特征。此外,通过应用多层非线性函数来保持非线性网络结构。它还用药物特征补充了稀疏评级,因为将侧信息输入相同的VAE增加了用于训练的样本数量。具体来说,药物-疾病关联和药物特征是不同的信息来源,都是药物的信息,因此可以通过相同的推理网络和生成网络进行集体编码和解码。然后,通过变分自动编码器(cVAE)对临床报告的药物对-疾病对进行集体编码和解码,以推断出最初未被批准的已批准药物的候选药物。DeepDR显示出高性能,优于传统的基于网络或基于机器学习的方法。
Collective variational autoencoder:
本项目运行于Nvidia RTX3090,采用Mindspore深度学习框架。本项目可以通过自行配置运行环境使其部署于其他硬件环境。
本项目使用环境版本为:
mindspore-gpu 1.8.0;
python 3.7;
本项目提供数据集和已训练模型参数的checkpoint文件,存放于此链接,供开发人员下载使用。
其中,数据集包括:
- conda create --name deepdr
- conda activate deepdr
- conda install mindspore-gpu=1.8.1 cudatoolkit=11.1 -c mindspore -c conda-forge
DeepDR模型训练推理流程主要包括:(1)deepDR通过多模态深度自编码器(MDA)将每个网络的PPMI矩阵融合成一个紧凑的、所有网络通用的低维特征表示,然后从MDA的中间层提取低维特征;(2)DeepDR使用cVAE来推断药物和疾病之间的潜在联系。具体来说,它将从第二步提取的高质量特征输入到VAE进行预训练,然后通过输入药物-疾病关联网络对VAE进行微调。
MDA模型训练脚本运行示例。
- cd /root/DeepDR
- python train_mda.py --epochs 150 --batch_size 64 --noise_factor 0.5
MDA模型推理脚本运行示例。
- cd /root/DeepDR
- python eval.py --model 'mda'
cVAE模型训练脚本运行示例。
预训练:
- cd /root/DeepDR
- python train_cvae.py --a 6 --b 0.1 --m 300 --batch 100 --save --learn_rate 0.001
微调:
- cd /root/DeepDR
- python train_cvae.py --a 15 --b 3 --load 1 --m 300 --batch 100 --rating --learn_rate 0.001
cVAE推理脚本运行示例。
- cd /root/DeepDR
- python eval.py --model 'cvae'
Dear OpenI User
Thank you for your continuous support to the Openl Qizhi Community AI Collaboration Platform. In order to protect your usage rights and ensure network security, we updated the Openl Qizhi Community AI Collaboration Platform Usage Agreement in January 2024. The updated agreement specifies that users are prohibited from using intranet penetration tools. After you click "Agree and continue", you can continue to use our services. Thank you for your cooperation and understanding.
For more agreement content, please refer to the《Openl Qizhi Community AI Collaboration Platform Usage Agreement》