[發明專利]基于多層網絡表示學習的藥物靶標相互作用預測方法

在審

• 申請號: 202010600359.8
• 申請日: 2020-06-28
• 公開（公告）號: CN111785320A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 魚亮;尚奕帆
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G16B15/30
• 分類號: G16B15/30;G16B40/00;G16B50/30
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華

本發明公開了一種基于多層網絡表示學習的藥物靶標相互作用預測方法，主要解決現有技術預測準確率低的問題。其方案是：從藥物和蛋白質數據庫中下載數據，分別構建藥物和蛋白質的多層相似性網絡；對這兩種相似性網絡分別計算其擴散狀態，并分別整合各自擴散狀態得到藥物和蛋白質的特征向量；將已知的藥物靶標相互作用數據作為監督信息，把藥物和蛋白質特征向量投入到同一藥物靶標空間中，使用雙線性函數分別得到藥物和蛋白質的投影矩陣；根據這兩個投影矩陣得到藥物靶標相互作用的預測得分矩陣并對其排名；把排名靠前的8對未知藥物靶標對視作潛在的藥物靶標相互作用。本發明提高了藥物靶標相互作用的預測準確率，可用于預測藥物靶標對的候選。

技術領域

本發明屬于生物信息技術領域，特別涉及一種藥物靶標相互作用預測方法，可用于在藥物重定位實驗，提供候選的藥物靶標相互作用。

背景技術

藥物靶標是指體內具有藥效功能并能被藥物作用的生物大分子，如某些蛋白質和核酸等生物大分子。而藥物靶標相互作用是指藥物分子與人體內的生物大分子即蛋白質相結合并發揮作用。如果藥物與不同的靶標蛋白質相結合，藥物的作用效果會存在差異，若預測的藥物靶標與某種疾病相關，則藥物對該疾病可能具有潛在的治療作用。

預測藥物靶標相互作用是藥物重定位中重要的一步，其目的是預測出藥物可能作用的蛋白質即藥物的靶標，進一步發現藥物的潛在治療作用。因此，更多的藥物靶標相互作用可以幫助人們提高在藥理學方面的理解，充分發揮藥物更多的療效。如果確定藥物新的靶標，發現藥物新的用途，就可以大大降低藥物研發的成本，縮短周期，減小新藥因副作用不能通過臨床檢驗的風險。

使用實驗方法確定藥物靶標相互作用，其結果可靠，但是代價昂貴。因此，如果僅使用實驗方法確定每一對藥物-靶標相互作用，是難以實現的。所以，需要通過計算的方法預測藥物靶標相互作用，縮小實驗范圍、降低成本、縮短時間。

現有這些計算方法主要基于以下假設：相似的藥物可能具有相同的靶標，反之亦然。根據使用的數據類型可以將現有的計算方法分為兩類：基于單一類型數據和基于多類型數據整合的預測藥物靶標相互作用模型：

一.基于單一類型數據的預測模型

基于單一類型數據的預測模型，根據使用數據類型的不同，其算法主要基于以下幾類：化學結構，藥物副作用，基因表達數據等。

藥物作為化合物分子，都具有化學結構，不同的化學結構會有不同的作用效果，因此可以通過藥物的化學結構描述藥物之間的相似關系。將藥物的化學結構分子式分解，使用一個高維向量表示藥物的化學結構特征。例如，其中一個維度表示該藥物的化學結構是否包含苯環，如果有，則標1，反之標0。因此每個藥物的化學結構是用一個向量表示，通過計算藥物向量之間的距離衡量藥物之間的相似性，預測藥物的靶標。

藥物的副作用也包含了重要的臨床表型信息，利用表型副作用的相似性來推斷兩種藥物是否有共同的靶點。利用美國食品和藥物管理局FDA的副作用事件報告系統AERS將所有副作用反應表示為一個不重復的列表。使用一個高維向量表示藥物的副作用特征，如果標1，則表示藥物擁有該位置對應的副作用列表中的不良反應，如果標0，則表示沒有不良反應。最終藥物可以表示為一個0,1特征向量，再計算向量之間的距離衡量相似性。

當藥物發揮作用后會引起體內基因表達的改變，這是轉錄組學中一個重要的特征，因此可以利用藥物治療引起的基因表達譜變化的特征預測藥物靶標相互作用。CMap是一個擁有高通量化合物干擾下的基因表達譜數據庫，該數據庫中有提出使用CMap藥物作用下的基因表達數據，并采用了機器學習的分類技術，結果表明可以單獨使用基因表達數據來預測藥物靶標相互作用。

但是采用這種單一類型數據計算的相似性包含有偏性，而多類型數據包含不同的信息，已經有許多研究提出整合多類型數據進行藥物靶標相互作用預測。相比于基于單一類型數據的方法，多類型數據之間存在著信息補充，因此整合多類型數據最終可以提升預測藥物靶標相互作用準確率。