[發明專利]基于基因空間融合的矩陣分解對老藥預測新適應癥的方法

有效

• 申請號: 201410302140.4
• 申請日: 2014-06-27
• 公開（公告）號: CN104021316B
• 公開（公告）日: 2017-04-05
• 發明（設計）人: 劉西;代文;高一波;盧朋
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06K9/66
• 代理公司: 中科專利商標代理有限責任公司11021
• 代理人: 宋焰琴

1.一種基于基因空間融合的矩陣分解對老藥預測新適應癥的方法，其特征在于，所述方法包括如下步驟：

步驟S1：收集已知的藥物集和疾病集的關聯數據；

步驟S2：獲取基因空間的數據，獲取基因空間的數據，該數據包括與所述已知的藥物相關的藥物-基因關聯集、與步驟S1中疾病相關的疾病-基因關聯集和基因關聯集；

步驟S3：從基因空間的數據中提取出基因緊密度矩陣；

步驟S4：對基因緊密度矩陣進行特征值分解，生成一個低維度的歐式空間，使得關注基因集中的每一個基因都可以用一個低維度的特征向量表示，從而構造出聯合空間；

步驟S5：根據藥物-基因關聯集和疾病-基因關聯集，從聯合空間中計算藥物和疾病的特征空間；

步驟S6：根據藥物的特征矩陣和疾病的特征矩陣建立矩陣分解模型，利用聯合空間中的藥物和疾病的特征向量對模型進行初始化；

步驟S7：根據藥物集、疾病集和藥物疾病關聯集獲得訓練樣本；

步驟S8：利用所述訓練樣本對所述矩陣分解模型進行訓練；

步驟S9：將訓練后的矩陣分解模型用于對訓練樣本以外的藥物-疾病組合的預測；

步驟S10：返回步驟S7，多次重復步驟S7、S8、S9中涉及到的處理過程，對正樣本以外的所有可能的藥物-疾病組預測其關聯度；

步驟S11：根據步驟S10預測的關聯度，篩選藥物-疾病的關聯關系，預測藥物新的適應癥。

2.如權利要求1所述的方法，其特征在于，所述步驟S1進一步包括：

步驟S11：收集已知的藥物-疾病關聯集；

步驟S12：根據藥物-疾病關聯集構造藥物-疾病關聯矩陣。

3.如權利要求1所述的方法，其特征在于，在步驟S2中，基因空間的數據包括藥物-基因關聯集、疾病-基因關聯集和基因關聯集，這些數據的獲得通過查詢數據庫來實現。

4.如權利要求3所述的方法，其特征在于，藥物-基因關聯集通過查詢KEGG?BRITE、BRENDA、SuperTarget和DrugBank數據庫獲得，疾病-基因關聯集通過查詢OMIM數據庫獲得，基因關聯集通過查詢HPRD數據庫獲得。

5.如權利要求3所述的方法，其特征在于，基因用Entrez?Gene?ID表示。

6.如權利要求1所述的方法，其特征在于，所述步驟S3進一步包括：

步驟S31：根據所述基因關聯集構建基因交互網絡；

步驟S32：以所述藥物-基因關聯集和疾病-基因關聯集中涉及到的所有基因作為關注基因集計算基因之間的緊密度。

7.如權利要求1所述的方法，其特征在于，所述步驟S4包括：

步驟S41：計算基因緊密度矩陣的特征值，以特征值大小降序排序，同時得到對應的特征向量；

步驟S42：提取前k個特征值構成k×k對角矩陣Λ，同時提取對應的k個特征向量，構成N_g×k矩陣Γ，其中，每一列對應一個特征向量，k是自然數；

步驟S43：計算N_g×k矩陣P＝ΓΛ^1/2，通過這一個矩陣，基因緊密度矩陣可以分解為C＝PP^T＝ΓΛ^1/2Λ^1/2Γ^T；

步驟S44：使用矩陣P的各行向量代表基因一組k維向量構成了聯合空間。