[發明專利]一種基于多源數據融合和網絡結構擾動的藥物靶標預測方法

在審

• 申請號: 202011419796.6
• 申請日: 2020-12-07
• 公開（公告）號: CN112420126A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 盧新國;劉芳;李金鑫;彭紹亮
• 申請（專利權）人: 湖南大學
• 主分類號: G16B15/30
• 分類號: G16B15/30;G16B40/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于多源數據融合和網絡結構擾動的藥物靶標相互作用預測方法，其特征在于實施步驟為：

(1)收集已知藥物靶標相互作用數據、藥物化學結構信息、靶標氨基酸序列信息、靶蛋白GO信息；

(2)進行藥物相似性分析，得到藥物化學結構相似性和藥物高斯相互作用譜剖面相似性；

(3)進行靶標相似性分析，得到靶標序列相似性和靶標GO功能相似性；

(4)建立非線性多源數據融合模型，分別擴散融所有的合藥物相似性和所有的靶標相似性；

(5)構建藥物靶標雙層網絡模型；

(6)建立藥物靶標網絡結構擾動模型，預測潛在的藥物靶標相互作用，得到最終結果。

2.根據權利要求1所述的一種基于多源數據融合和網絡結構擾動的藥物靶標相互作用預測方法，其特征在于數據收集階段：

(1)從Yamanishi數據庫中下載被實驗驗證的藥物靶標相互作用數據，將其作為分析數據的主體以及度量藥物的高斯相互作用譜剖面相似性，它包含核受體(NR)數據集、酶(E)數據集、離子通道(IC)數據集和G蛋白偶聯受體(GPCR)數據集；

(2)從KEGG配體數據庫中提取藥物的化學結構信息，以度量藥物的化學結構相似性；

(3)從KEGG基因數據庫中收集靶標的氨基酸序列信息，以度量靶標的序列相似性；

(4)從GOA數據庫中提取出靶蛋白的GO數據，以度量靶標的GO功能相似性。

3.根據權利要求1所述的一種基于多源數據融合和網絡結構擾動的藥物靶標相互作用預測方法，其特征在于藥物相似性分析階段：

(1)利用藥物的化學結構信息，使用SIMCOMP算法計算兩種藥物之間的化學結構相似性，采用圖對齊方法，根據藥物間最大公共子結構的大小來反映整體相似度得分；

(2)利用已知的藥物靶標相互作用信息，通過構建二進制向量來編碼藥物d_i與所考慮的DTI網絡中各靶標的相互作用譜，計算出藥物對之間的高斯相互作用譜剖面相似性。

4.根據權利要求1所述的一種基于多源數據融合和網絡結構擾動的藥物靶標相互作用預測方法，其特征在于靶標相似性分析階段：

(1)根據化學上相似的藥物傾向于與相似的目標蛋白質相互作用的想法，使用歸一化的Smith-Waterman得分計算靶標序列相似度；

(2)功能相似的基因更有可能調節相似的疾病，并且傾向于用相似的藥物治療，因此，我們使用基因的GO功能信息來構建靶標的GO功能相似性。

5.根據權利要求1所述的一種基于多源數據融合和網絡結構擾動的藥物靶標相互作用預測方法，其特征在于多源數據擴散階段：

(1)對所獲得的藥物化學結構相似性矩陣，藥物高斯相互作用譜剖面相似性矩陣分別定義一個完整核和一個稀疏核，利用k最近鄰居算法度量局部親和度，使用圖擴散得到非鄰域的相似度，通過對完整核和稀疏核的迭代運算，在多次擴散和傳播過程中得到最終的藥物多源信息擴散矩陣；

(2)對所獲得的靶標序列結構相似性矩陣，靶標GO功能相似性矩陣分別定義一個完整核和一個稀疏核，利用k最近鄰居算法度量局部親和度，使用圖擴散得到非鄰域的相似度，通過對完整核和稀疏核的迭代運算，在多次擴散和傳播過程中得到最終的靶標多源信息擴散矩陣。

6.根據權利要求1所述的一種基于多源數據融合和網絡結構擾動的藥物靶標相互作用預測方法，其特征在于構建藥物靶標雙層網絡模型，構建表示實驗驗證的藥物靶標相互作用網絡的鄰居矩陣，利用獲得的藥物多源信息擴散矩陣，靶標多源信息擴散矩陣和被實驗驗證的藥物靶標相互作用零階矩陣構造一個藥物靶標雙層網絡。

7.根據權利要求1所述的一種基于多源數據融合和網絡結構擾動的藥物靶標相互作用預測方法，其特征在于用結構微擾法預測潛在的藥物靶標相互作用，根據藥物靶標雙層網絡的實對稱特點和量子力學中的一階微擾哈密頓算法，將結構微擾理論應用于我們的網絡，構建關于藥物靶標網絡的結構擾動模型；通過一階近似法構造擾動矩陣求解結構擾動模型得到最終擾動后恢復的網絡；對所有未觀測到的鏈路根據其在擾動后恢復的網絡中的相應分數按降序排序，得分越高的越可能是潛在的藥物靶標相互作用。