Đang tạo bản xem trước...
N G U Y Ễ N T RƯỜ N G GIAN G BỘ CÔNG THƯƠNG ĐẠI HỌC CÔNG NGHIỆP HÀ NỘI ------------- ccdd ------------- NGUYỄN TRƯỜNG GIANG NGHIÊN CỨU ỨNG DỤNG HỌC SÂU TRONG DỰ ĐOÁN QUAN HỆ VI KHUẨN - THUỐC ĐỀ ÁN TỐT NGHIỆP THẠC SĨ NGÀNH HỆ THỐNG THÔNG TIN HÀ NỘI - 2026 H Ệ T H Ố N G T H Ô N G TIN 2 0 2 6
BỘ CÔNG THƯƠNG ĐẠI HỌC CÔNG NGHIỆP HÀ NỘI ------------- ccdd ------------- NGUYỄN TRƯỜNG GIANG NGHIÊN CỨU ỨNG DỤNG HỌC SÂU TRONG DỰ ĐOÁN QUAN HỆ VI KHUẨN - THUỐC Ngành Hệ thống thông tin Mã số 8480104 ĐỀ ÁN TỐT NGHIỆP THẠC SĨ NGÀNH HỆ THỐNG THÔNG TIN NGƯỜI HƯỚNG DẪN TS. NGUYỄN VĂN TỈNH HÀ NỘI - 2026
i LỜI CAM ĐOAN Tôi xin khẳng định rằng toàn bộ kết quả trong nghiên cứu này là thành quả lao động của cá nhân tôi, với sự chỉ dẫn của Tiến sĩ Nguyễn Văn Tỉnh. Những nội dung, số liệu và thông tin kế thừa từ các tác giả khác đều đã được tôi trích dẫn chi tiết và tuân thủ nghiêm ngặt các quy tắc về sở hữu trí tuệ. Tôi cam kết Đề án này không phải là sản phẩm sao chép. Trường hợp phát hiện bất kỳ sự sao chép vi phạm liêm chính khoa học nào, tôi xin hoàn toàn chịu trách nhiệm theo quy định của nhà trường cũng như pháp luật. Qua đây, tôi xin gửi lời cảm ơn chân thành đến Tiến sĩ Nguyễn Văn Tỉnh vì sự hướng dẫn tận tâm, cùng những góp ý và giúp đỡ của thầy cô, bạn bè trong quá trình hoàn thiện đề án này. Hà Nội, ngày 30 tháng 01 năm 2026 Học viên
ii LỜI CẢM ƠN Trước sự bùng nổ của kỷ nguyên số, việc ứng dụng trí tuệ nhân tạo vào lĩnh vực y sinh đang mở ra những hướng đi đột phá. Đặc biệt, thách thức lớn từ tình trạng kháng thuốc kháng sinh hiện nay đòi hỏi chúng ta phải có những công cụ mạnh mẽ hơn để thấu hiểu sự tương tác phức tạp giữa dược phẩm và vi sinh vật. Nhận thức được tầm quan trọng đó, tôi đã lựa chọn và thực hiện đề tài “Nghiên cứu ứng dụng học sâu trong dự đoán quan hệ vi khuẩn - thuốc”. Mục tiêu chính là tận dụng sức mạnh của các kiến trúc deep learning để tìm ra các quy luật ẩn trong dữ liệu sinh học, từ đó hỗ trợ đưa ra các phác đồ điều trị tối ưu hơn. Đề án này có thể đi đến đích là nhờ vào sự dẫn dắt tận tâm và định hướng khoa học của TS. Nguyễn Văn Tỉnh. Tôi xin gửi lời tri ân sâu sắc đến thầy cùng quý thầy cô đã luôn theo sát, chỉ ra những điểm cần khắc phục và tiếp thêm động lực để tôi hoàn thiện sản phẩm nghiên cứu này một cách tốt nhất. Tôi cũng xin trân trọng cảm ơn Ban lãnh đạo Trung tâm Sau đại học và Trường Công nghệ Thông tin và Truyền thông - Đại học Công nghiệp Hà Nội đã tạo môi trường học thuật thuận lợi. Bên cạnh đó, sự đồng hành, khích lệ tinh thần từ gia đình, bạn bè và đồng nghiệp chính là chỗ dựa vững chắc giúp tôi vượt qua những áp lực trong suốt chặng đường vừa qua. Dù đã dành nhiều tâm huyết và nỗ lực, nhưng do giới hạn về mặt thời gian cũng như kiến thức thực tế, đề án khó tránh khỏi những điểm chưa hoàn thiện. Tôi rất mong nhận được những góp ý xây dựng từ quý thầy cô và bạn đọc để công trình nghiên cứu này ngày càng hoàn thiện và có giá trị thực tiễn cao hơn. Học viên xin trân trọng cảm ơn!
iii MỤC LỤC LỜI CAM ĐOAN...............................................................................................i LỜI CẢM ƠN...................................................................................................ii MỤC LỤC........................................................................................................iii DANH MỤC TỪ VIẾT TẮT...........................................................................vi DANH MỤC BẢNG BIỂU............................................................................vii DANH MỤC HÌNH VẼ.................................................................................viii MỞ ĐẦU...........................................................................................................1 1. TÍNH CẤP THIẾT CỦA ĐỀ TÀI..........................................................1 2. MỤC TIÊU NGHIÊN CỨU CỦA ĐỀ TÀI............................................3 3. ĐỐI TƯỢNG, PHẠM VI NGHIÊN CỨU CỦA ĐỀ TÀI......................3 4. NỘI DUNG NGHIÊN CỨU CỦA ĐỀ TÀI...........................................3 5. PHƯƠNG PHÁP NGHIÊN CỨU CỦA ĐỀ TÀI...................................4 6. CẤU TRÚC ĐỀ TÀI..............................................................................4 CHƯƠNG 1: TỔNG QUAN VÀ CƠ SỞ LÝ THUYẾT..................................5 1.1. VI KHUẨN, THUỐC VÀ MỐI QUAN HỆ GIỮA VI KHUẨNTHUỐC...................................................................................................... 5 1.1.1. Vi khuẩn.....................................................................................5 1.1.2. Thuốc.........................................................................................5 1.1.3. Quan hệ giữa vi khuẩn và thuốc................................................5 1.2. CÁC PHƯƠNG PHÁP TÍNH TOÁN DỰ ĐOÁN QUAN HỆ GIỮA VI KHUẨN VÀ THUỐC...........................................................................7 1.3. HỌC SÂU VÀ ỨNG DỤNG TRONG DỰ ĐOÁN MỐI QUAN HỆ GIỮA VI KHUẨN VÀ THUỐC................................................................9 1.3.1. Học sâu...................................................................................... 9 1.3.2. Ứng dụng học sâu trong dự đoán quan hệ vi khuẩn và thuốc..17 1.4. MỘT SỐ KHÁI NIỆM LIÊN QUAN KHÁC...................................19
iv 1.4.1. Đường cong ROC và P-R........................................................19 1.4.2. Phương pháp đánh giá chéo.....................................................22 1.4.3. Kiểm chứng điển hình..............................................................24 1.4.4. Một số khái niệm nền tảng về lý thuyết đồ thị........................24 CHƯƠNG 2: PHƯƠNG PHÁP ĐỀ XUẤT VÀ THỰC NGHIỆM................30 2.1. TỔNG QUAN BÀI TOÁN................................................................30 2.2. DỮ LIỆU SỬ DỤNG........................................................................31 2.3. PHƯƠNG PHÁP ĐƯỢC ĐỀ XUẤT................................................34 2.3.1. Tích hợp độ tương đồng..........................................................35 2.3.2. Làm giàu ma trận quan hệ bằng thuật toán CF........................38 2.3.3. Xây dựng đồ thị không đồng nhất và kết hợp dữ liệu.............40 2.3.4. Hoạt động của mô hình GAT...................................................42 2.3.5. Dự đoán liên kết.......................................................................45 CHƯƠNG 3: THỰC NGHIỆM, KẾT QUẢ VÀ THẢO LUẬN....................48 3.1. THỰC NGHIỆM...............................................................................48 3.1.1. Môi trường thực nghiệm..........................................................48 3.1.2. Các tham số thực nghiệm.........................................................48 3.2. KẾT QUẢ..........................................................................................49 3.2.1. Mô hình....................................................................................49 3.2.2. Nghiên cứu loại bỏ thành phần................................................52 3.2.3. Nghiên cứu điển hình...............................................................53 3.3. PHÂN TÍCH VÀ THẢO LUẬN.......................................................55 3.3.1. Phân tích hiệu năng mô hình cơ bản........................................55 3.3.2. Tác động của SNF...................................................................55 3.3.3. Hiệu quả của CF......................................................................56 3.4. PHÂN TÍCH ĐỘ NHẠY THAM SỐ................................................56 3.4.1. Ảnh hưởng của tham số k trong CF.........................................56
v 3.4.2. Ảnh hưởng của tham số K và T trong SNF.............................58 3.5. SO SÁNH VỚI MỘT SỐ PHƯƠNG PHÁP KHÁC.........................60 KẾT LUẬN VÀ KHUYẾN NGHỊ..................................................................62 TÀI LIỆU THAM KHẢO...............................................................................64
vi DANH MỤC TỪ VIẾT TẮT Viết tắt Tiếng Anh Tiếng Việt AUC Area Under the Curve Diện tích dưới đường cong AUPR Area Under the Precision-Recall Curve Diện tích dưới đường cong Precision-Recall CF Collaborative Filtering Lọc cộng tác CNN Convolutional Neural Network Mạng nơ-ron tích chập GAT Graph Attention Networks Mạng chú ý đồ thị GCN Graph Convolutional Network Mạng tích chập đồ thị GIP Gaussian Interaction Profile Hồ sơ tương tác Gaussian GNN Graph Neural Networks Mạng nơ-ron đồ thị GPU Graphics Processing Unit Bộ tăng tốc đồ họa LSTM Long Short-Term Memory Bộ nhớ dài ngắn hạn MDAD Microbe-Drug Association Database Cơ sở dữ liệu liên kết vi sinh vật - thuốc MLP Multilayer Perceptron Mạng nơ-ron đa lớp RNN Recurrent Neural Network Mạng nơ-ron tái phát ROC Receiver Operating Characteristic Đặc tính hoạt động của bộ thu SNF Similarity Network Fusion Mạng dung hợp tương đồng
Hiển thị 8 trang đầu. Tải tài liệu để xem đầy đủ.
Chưa có bình luận nào. Hãy là người đầu tiên!
Bình luận (0)
Chưa có bình luận nào. Hãy là người đầu tiên!