一种基于Trans-SAE的药物和通路关联预测方法

本发明公开了一种基于Trans‑SAE的药物和通路关联预测方法，首先利用所有的药物‑通路样本对堆叠自编码器进行无监督预训练获得SAE模块的初始参数，然后利用Trans Block模块编码药物的SMILES序列特征向量，最后拼接SAE的深层相似性特征向量和编码后的SMILES序列特征向量，利用带标签的正负样本进行监督微调。本发明中无监督预训练充分使用了大量未标签样本的特征信息，同时监督微调又使用少量标签样本来提高模型精确度。将深层相似性特征向量和SMILES序列特征向量进行融合，充分发挥了不同特征模态的互补优势，在大幅减少有标签样本依赖的同时，显著提升了关联预测的精度与模型泛化能力。