[發明專利]一種藥物-DBPs結合位點的預測方法

有效

• 申請號: 201910616620.0
• 申請日: 2019-07-09
• 公開（公告）號: CN110335640B
• 公開（公告）日: 2022-01-25
• 發明（設計）人: 王偉;呂賀賀;趙遠;王世勛;王亞茹;黃軍偉
• 申請（專利權）人: 河南師范大學
• 主分類號: G16B20/30
• 分類號: G16B20/30
• 代理公司: 鄭州睿信知識產權代理有限公司 41119
• 代理人: 胡云飛

本發明涉及一種藥物?DBPs結合位點的預測方法，屬于藥物?蛋白質結合位點預測技術領域。本發明中提出一種基于二分網絡的藥物?DBPs結合位點的預測方法，以三個氨基酸組成的結合位點片段為研究對象，根據結合位點片段理化性質進行聚類，建立藥物?簇網絡關系，然后使用CN方法計算藥物?簇相互作用分數，挑選出得分大于平均標準誤差的藥物?簇；簇中的結合位點片段即與該藥物具有顯著的相互作用，為預測的藥物?DBPs結合位點。在缺乏特征信息的情況下，基于結構的鏈路預測算法被用來預測新的藥物?DBPs結合位點片段相互作用。基于此，還可以進一步分析預測結果中藥物和結合位點片段的結合機制。

技術領域

本發明涉及一種藥物-DBPs結合位點的預測方法，屬于藥物-蛋白質結合位點預測技術領域。

背景技術

藥物-DNA結合蛋白(DNA Binding Proteins，DBPs)相互作用的研究為治療遺傳病和癌癥開辟了新途徑。藥物和DBPs結合位點的結合機制對DBPs的藥物開發和相關疾病研究具有重要意義。因此，研究人員希望開發出預測藥物-DBPs結合位點相互作用的新方法。

目前機器學習的方法被廣泛應用在藥物-蛋白質相關預測，如基于自動編碼器(AE)和支持向量機(SVM)。雖然這些方法表現優異，但它們需要蛋白質和藥物的相關信息。例如，深度學習中的自動編碼器被用來預測DTIs，盡管它只需要蛋白質的序列，但是藥物的結構信息卻不容易被描述。并且當藥物和蛋白質的相互作用模式未知時，該模型不能產生令人滿意的結果。這是有缺陷的，因為包含DTI的數據庫可能只是部分注釋或者是未注釋的。例如在DrugBank中僅提供對蛋白質的注釋，但不提供藥物-蛋白質相互作用。此外，基于化學結構或蛋白質序列之間相似性的DTI預測具有局限性，因為相似的藥物共享相似蛋白質的假設不一定是正確的。

在傳統的藥物-蛋白質網絡中，許多方法都是將蛋白質作為整體考慮，很少有人將蛋白質的藥物結合位點作為研究的對象，忽略了藥物和蛋白質結合位點的結合機制。

發明內容

本發明的目的是提供藥物-DBPs結合位點的預測方法，該方法以三個氨基酸組成的結合位點片段為研究對象，在缺乏特征信息的情況下，該方法能夠被用來預測新的藥物-DBPs結合位點片段相互作用。

為了實現上述目的，本發明所采用的技術方案是：

一種藥物-DBPs結合位點的預測方法，包括如下步驟：

1)建立由藥物和可與藥物結合的DNA結合蛋白構成的數據集；提取DNA結合蛋白序列上可與藥物結合的結合位點，每三個結合位點作為一個結合位點片段；

2)根據結合位點片段的氨基酸理化性質通過層次聚類法分為不同的簇，根據藥物與DNA結合蛋白結合位點片段的結合關系構建藥物與所述簇相互作用的二分網絡；

3)根據二分網絡計算藥物與簇之間的相互作用關系程度，挑選出相互作用關系強的藥物-簇組合作為預測組，在該預測組中，簇所包含未與藥物結合的結合位點片段作為預測的藥物-DBPs結合位點。

本發明中提出一種基于二分網絡的藥物-DBPs結合位點的預測方法，以三個氨基酸組成的結合位點片段為研究對象，根據結合位點片段理化性質進行聚類，建立藥物-簇網絡關系，然后使用CN方法計算藥物-簇相互作用分數，挑選出得分≥平均標準誤差的藥物-簇；簇中的結合位點片段即與該藥物具有顯著的相互作用，簇之前未記載與該藥物有相互作用的結合位點片段為預測的藥物-DBPs結合位點。

本發明中通過網絡分析顯示藥物傾向與帶正電荷的結合位點片段結合，并且結合過程更可能發生在DBP內部。網絡分析還發現了藥物-DBPs結合位點片段的一些結合特點，例如藥物傾向結合疏水性的片段。在缺乏特征信息的情況下，基于結構的鏈路預測算法被用來預測新的藥物-DBPs結合位點片段相互作用。基于此，還可以進一步分析預測結果中藥物和結合位點片段的結合機制。