[發明專利]一種基于協同矩陣分解的藥物靶點相互作用關系預測方法

有效

• 申請號: 201911301346.4
• 申請日: 2019-12-17
• 公開（公告）號: CN110957002B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 劉勇國;李楊;李巧勤;楊尚明
• 申請（專利權）人: 電子科技大學
• 主分類號: G16B15/30
• 分類號: G16B15/30;G16B40/00
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 李朝虎

1.一種基于協同矩陣分解的藥物靶點相互作用關系預測方法，其特征在于，該方法包括以下步驟：

步驟1:獲取藥物和靶點的屬性相似度數據、藥物-靶點相互作用關聯關系數據；

步驟2:根據藥物和藥物之間的屬性相似度數據構建藥物的屬性特征相似度矩陣，根據靶點和靶點之間的屬性相似度數據構建靶點的屬性特征相似度矩陣；

步驟3:根據藥物-靶點相互作用關聯關系數據構建藥物-靶點關聯矩陣，計算藥物和靶點的拓撲特征信息，并構建藥物的拓撲相似矩陣和靶點的拓撲相似矩陣；

步驟4:利用基于圖正則的協同矩陣分解方法，將藥物-靶點關聯矩陣進行矩陣分解得到初步目標函數；并整合藥物和靶點的屬性特征相似度矩陣、藥物和靶點的拓撲相似矩陣到初步目標函數中，得到最終目標函數；

步驟5:對最終目標函數使用牛頓方法迭代更新得到藥物和靶點的特征表示，并重構藥物-靶點相互作用矩陣得到最終的預測藥物-靶點相互作用關系矩陣，用于進行藥物-靶點相互作用關系的預測；

步驟3中藥物和靶點的拓撲特征信息的提取均采用node2vec方法，具體地，藥物拓撲特征計算包括：

(1)已知DTI矩陣Y，N_d表示藥物的總數，N_t表示靶點的總數，Y(i,j)表示第i個藥物和第j個靶點之間的相互作用關系，當第i個藥物和第j個靶點之間存在相互作用關系，Y(i,j)＝1；當第i個藥物和第j個靶點之間不存在相互作用關系，Y(i,j)＝0；

(2)根據Y矩陣構建無權值無向的網絡圖G＝(V,E)，V是節點集合，其中|V|＝N_d+N_t，|V|表示節點的數量；E是邊集合，其中|E|表示邊的數量；當Y(i,j)＝1時，存在邊e_ij，使得v_i與v_j相連；為了獲取藥物的拓撲特征，在網絡圖G上進行二階隨機游走，給定源節點u，隨機游走的固定長度l，c_i表示游走過程中第i個節點，游走的起點是c₀＝u；節點c_i由如下公式產生：

式中，Z是歸一化常數，π_vx是節點v和x之間的轉移概率，指的是節點v下一步訪問節點x的概率；π_vx的取值情況：

式中，d_vx表示節點v和節點x之間的最短路徑，參數p和q用來控制隨機游走的速度和距初始節點u的距離；

(3)在存在特征表達f的條件下，最大化發現節點u的網絡鄰居N_s(u)的log概率，node2vec的目標函數為：

用f:V→R^d表示節點到拓撲特征表達的映射函數，d是拓撲特征空間的維度；對于任意一個節點u∈V，表示節點u的在網絡圖G上的鄰居節點，f(u)表示節點u的拓撲特征；

(4)使用隨機梯度下降優化node2vec的目標函數，最后得到藥物的d維拓撲特征，N_d個藥物的d維拓撲特征矩陣表示為

采用node2vec方法來計算靶點拓撲特征，得到靶點的d維拓撲特征，N_t個靶點的d維拓撲特征矩陣表示為

步驟3中構建藥物和靶點的拓撲相似矩陣，計算藥物-藥物拓撲特征相似性、靶點-靶點拓撲特征相似性；具體地，藥物-藥物拓撲特征相似性計算是結合藥物的拓撲特征信息，兩個藥物向量在拓撲特征空間下的相似度可通過余弦相似度表示；給定兩個藥物d_i和d_j的拓撲特征向量表示x_i和x_j，使用余弦相似度計算藥物-藥物拓撲特征相似性：

將N_d個藥物之間的相似度全部計算出來，使用藥物-藥物拓撲特征相似度矩陣表示,P_d(i,j)表示第i個藥物和第j個藥物之間的拓撲特征相似度。