[發明專利]基于隨機森林的化合物和蛋白質相互作用預測方法

有效

• 申請號: 201310059088.X
• 申請日: 2013-02-25
• 公開（公告）號: CN103116713A
• 公開（公告）日: 2013-05-22
• 發明（設計）人: 黃劍平;范驍輝
• 申請（專利權）人: 浙江大學
• 主分類號: G06F19/18
• 分類號: G06F19/18
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 胡紅娟

1.一種基于隨機森林的化合物和蛋白質相互作用預測方法，其特征在于，包括：

（A）收集與藥物化合物存在相互作用的靶點蛋白質信息，構建靶點庫；

（B）收集用于構建訓練集的藥物化合物、以及藥物化合物與靶點蛋白質之間的相互作用關系信息，構建化合物庫；

（C）根據所述化合物庫和所述靶點庫的信息構建訓練集；

（D）改進隨機森林算法，使得隨機森林算法的最終預測結果是通過隨機森林中多個子樹的預測結果相加然后取平均值獲得到，其值在0和1之間分布；

（E）基于所述的訓練集，使用所述的改進隨機森林算法進行訓練，建立預測模型；

（F）收集用于預測的化合物，連同步驟（A）中得到的靶點蛋白質信息構建測試集；

（G）基于所述預測模型對所述測試集進行預測；

（H）根據所述預測結果判斷待預測的化合物和靶點蛋白質之間是否存在相互作用。

2.根據權利要求1所述的基于隨機森林的化合物和蛋白質相互作用預測方法，其特征在于，所述步驟（A）中收集已知的與藥物化合物存在相互作用的靶點蛋白質信息時，首先收集與藥物化合物存在相互作用的靶點蛋白質的序列信息，然后通過PseAAC工具計算得到每個靶點蛋白質的特征描述符。

3.根據權利要求2所述的基于隨機森林的化合物和蛋白質相互作用預測方法，其特征在于，所述步驟（B）中收集用于構建訓練集的藥物化合物時：需要收集藥物化合物的分子結構信息，然后通過Dragon軟件計算藥物化合物的分子描述符，同時剔除掉那些含有無效值、零值比例大于設定比例、及標準差小于設定值的分子描述符。

4.根據權利要求3所述的基于隨機森林的化合物和蛋白質相互作用預測方法，其特征在于，所述步驟（C）中，所述訓練集的每一個樣本都由一個藥物化合物和一個靶點蛋白質配對組成，其中獨立變量為藥物化合物的分子描述符和靶點蛋白質的特征描述符，而因變量為藥物化合物和靶點蛋白質之間的相互作用關系，具體步驟如下：

（1）如果一個藥物化合物和一個靶點蛋白質之間存在著已知的相互作用關系，那么對應的因變量值為陽性；如果一個藥物化合物和一個靶點蛋白質之間未發現存在相互作用關系，對應的因變量值為陰性；

（2）使用所有存在相互作用關系的藥物化合物和靶點蛋白質構成陽性樣本，而陰性樣本則從未發現存在相互作用關系的藥物化合物和靶點蛋白質比對中隨機產生，并使陽性樣本和陰性樣本的數據比例保持為1:1。

5.根據權利要求3所述的基于隨機森林的化合物和蛋白質相互作用預測方法，其特征在于，所述步驟（E）中，對所述隨機森林算法的參數進行設置，其中子樹數量設置為大于1000個。

6.根據權利要求3所述的基于隨機森林的化合物和蛋白質相互作用預測方法，其特征在于，所述步驟（F）中，對于所收集的用于預測的化合物，需要獲得相應的分子結構，并根據該分子結構信息，選擇使用Dragon軟件計算用于預測的化合物的分子描述符，且只留下那些與步驟（B）中相一致的分子描述符，其余全部剔除，然后把每一個用于預測的化合物與靶點庫中的所有靶點蛋白質進行整合構建測試集。

7.根據權利要求3所述的基于隨機森林的化合物和蛋白質相互作用預測方法，其特征在于，所述步驟（H）中，用于預測的化合物和靶點蛋白質相互作用的預測結果值分布在0和1之間，通過把結果值與設置的閾值相比較，如果結果值大于閾值，那么表示這一對用于預測的化合物和靶點蛋白質產生相互作用。