[發明專利]基于深度自編碼和自適應融合的藥物新用途預測方法

在審

• 申請號: 202011419919.6
• 申請日: 2020-12-07
• 公開（公告）號: CN112669990A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 陳鵬;趙建成;鮑天嘉智;余肖生
• 申請（專利權）人: 三峽大學
• 主分類號: G16H70/40
• 分類號: G16H70/40;G16H20/10;G06K9/62
• 代理公司: 宜昌市三峽專利事務所 42103
• 代理人: 成鋼

本發明公開了基于深度自編碼和自適應融合的藥物新用途預測方法，包括：將藥物化學結構數據和藥物靶蛋白數據融合、降維，得到藥物特征數據；利用藥物特征數據，計算藥物相似度，通過藥物相似度計算藥物?疾病關聯預測值；利用藥物副作用數據，計算藥物相似度，通過藥物相似度計算藥物?疾病關聯預測值；使用藥物?疾病關聯數據計算疾病相似度，通過疾病相似度計算藥物?疾病關聯預測值；分別確定計算的藥物?疾病關聯預測值的權重；融合計算的藥物?疾病關聯預測值，得到融合后的藥物對疾病的預測值。本發明融合分別基于藥物相似度、疾病相似度計算得到的藥物?疾病關聯預測值，得到融合后的藥物對疾病的預測值，提高了預測結果的準確度。

技術領域

本發明屬于藥物用途預測領域，具體涉及一種基于深度自編碼和自適應融合的藥物新用途預測方法。

背景技術

藥物重定位，又稱“老藥新用”，是指尋找已有適應癥藥物的新用途。藥物重定位因其能有效減少新藥研制的成本和時間而受到了國內外學者的廣泛關注。目前，藥物重新定位有五種典型的計算方法：(1)根據藥物的化學結構預測新藥適應癥；(2)從蛋白質靶標相互作用網絡推斷藥物適應癥；(3)根據副作用的相似性確定藥物之間的關系；(4)分析藥物治療后的基因表達以推斷新的適應癥；(5)使用分子對接建立背景化學-蛋白質相互作用組。這些方法僅專注于藥物活性的不同方面，因此導致其預測存在偏差，而且這些方法容易受藥物信息源中的噪聲的影響。針對這些問題，Li和Lu等人開發了一種方法，通過探索相似藥物的化學特征和二部圖增強的分子特征來挖掘潛在的新藥適應癥。Gottlieb等人開發了一種稱為PREDICT的方法，該方法通過化學結構、副作用和藥物靶標的相似性來衡量藥物的成對相似性，然后將這些計算出的相似性用作邏輯回歸分類器的特征，以預測藥物與疾病之間的新型關聯。羅等人介紹了一種Bi-Random walk方法來實現基于綜合相似性度量的藥物重新定位。這種方法在多數據源融合中缺乏靈活性。

發明內容

本發明的目的是針對上述問題，提供一種基于深度自編碼和自適應融合的藥物新用途預測方法，先使用深度自編碼器對藥物特征數據降維，再分別利用藥物特征數據、藥物副作用數據計算藥物相似度并計算得到藥物-疾病關聯預測值，利用藥物-疾病關聯數據計算疾病相似度并計算得到藥物-疾病關聯預測值，然后融合得到藥物對疾病的預測值，以避免單一的基于藥物相似度或疾病相似度計算得到藥物預測結果的偏差問題和多源數據融合預測效率低的問題。

本發明的技術方案是基于深度自編碼和自適應融合的藥物新用途預測方法，包括以下步驟，

步驟1：將藥物化學結構數據和藥物靶蛋白數據融合、降維，得到藥物特征數據；

步驟2：利用藥物特征數據，計算藥物相似度，通過藥物相似度計算藥物-疾病關聯預測值；

步驟3：利用藥物副作用數據，計算藥物相似度，通過藥物相似度計算藥物-疾病關聯預測值；

步驟4：使用藥物-疾病關聯數據計算疾病相似度，通過疾病相似度計算藥物-疾病關聯預測值；

步驟5：分別確定步驟2-4計算的藥物-疾病關聯預測值的權重；

步驟6：利用確定的權重參數，融合步驟2-4計算的藥物-疾病關聯預測值，得到融合后的藥物對疾病的預測值。

優選地，步驟1采用深度自編碼器對藥物特征數據進行融合、降維，降低數據的稀疏程度，深度自編碼器包括編碼單元和解碼單元，編碼單元包括輸入層和3個構建層，均采用ReLU函數作為激活函數，解碼單元包括3個采用ReLU函數作為激活函數的構建層和使用Sigmoid作為激活函數的輸出層，編碼單元和解碼單元共用1個構建層。

優選地，步驟2中，計算藥物的余弦相似度作為藥物相似度，計算式如下