[發明專利]基于矩陣補全的抗病毒藥物篩選方法、系統及存儲介質有效
| 申請號: | 202310418206.5 | 申請日: | 2023-04-19 |
| 公開(公告)號: | CN116189760B | 公開(公告)日: | 2023-07-07 |
| 發明(設計)人: | 王珊;湯永;李順飛;劉建超;劉麗華 | 申請(專利權)人: | 中國人民解放軍總醫院 |
| 主分類號: | G16B15/30 | 分類號: | G16B15/30;G16B30/10;G16B40/00;G16C20/50;G16C10/00;G16C20/90;G16H20/10 |
| 代理公司: | 成都東恒知盛知識產權代理事務所(特殊普通合伙) 51304 | 代理人: | 何健雄 |
| 地址: | 100853*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 矩陣 抗病毒 藥物 篩選 方法 系統 存儲 介質 | ||
1.基于矩陣補全的抗病毒藥物篩選方法,其特征在于,包括如下步驟:
S1.構建病毒-藥物關聯的鄰接矩陣;
S2.基于所述病毒-藥物關聯的鄰接矩陣,計算病毒高斯距離相似矩陣和藥物高斯距離相似矩陣;
S3.基于病毒基因組序列計算病毒基因序列相似矩陣,基于藥物化學結構計算藥物化學結構相似矩陣;
S4.基于所述病毒高斯距離相似矩陣和病毒基因序列相似矩陣,使用快速核學習方法,整合得到病毒整合相似矩陣;基于所述藥物高斯距離相似矩陣和藥物化學結構相似矩陣,使用快速核學習方法,整合得到藥物整合相似矩陣;
S5.基于所述病毒-藥物關聯的鄰接矩陣、病毒整合相似矩陣和藥物整合相似矩陣,使用非負矩陣分解的矩陣補全方法,構造損失函數;
S6.求解所述損失函數,得到病毒-藥物預測得分矩陣;
S7.基于所述病毒-藥物預測得分矩陣,篩選出目標病毒所在行的得分,排序后得到最終預測結果;
在S5中:
使用非負矩陣分解的矩陣補全方法構造的損失函數如下:
s.t.W≥0,H≥0,C≥0;
式中部分是重建損失項,⊙表示兩個矩陣的Hadamard乘積;其中A∈Rnv×nd是已知的病毒-藥物關聯的鄰接矩陣,nv和nd分別為病毒的數量和藥物的數量;矩陣I為全1矩陣,C表示矩陣A待補全部分,W和H為待求解的基矩陣和系數矩陣,部分是F范數項,約束矩陣C防止過擬合;其余部分是流形約束項,(WH)i和(WH)j分別代表WH的第i和j行,(WH)p和(WH)q分別代表WH的第p和q列;Sv(i,j)表示病毒整合相似矩陣的第(i,j)個元素,Sd(p,q)表示藥物整合相似矩陣的第(p,q)個元素;λc、λv和λd是正則化參數;
在S6中:
求解所述損失函數時,分別固定其中一個變量,然后求導數令之為0再反解,得矩陣P、Q、C、W和H的迭代求解公式,具體如下:
P=HHT;
Q=WH;
C*=(I-A)⊙C;
其中A∈Rnv×nd是已知的病毒-藥物關聯的鄰接矩陣,矩陣I為全1矩陣,C表示矩陣A待補全部分,W和H為待求解的基矩陣和系數矩陣,Wik、Hjk分別代表矩陣W的第(i,k)個、矩陣H的第(j,k)個元素;λc、λv和λd是正則化參數;⊙表示兩個矩陣的Hadamard乘積;Dd和Dv為對角矩陣,其元素分別為矩陣Sd和Sv按列求和再對角化;更新以上矩陣直到收斂。
2.根據權利要求1所述的基于矩陣補全的抗病毒藥物篩選方法,其特征在于,在S1中:
輸入已知的病毒-藥物關聯對,構建病毒-藥物關聯的鄰接矩陣A;
若為已知關聯對,則對應位置為1,否則為0;
所述鄰接矩陣A的行數為病毒數量nv,列數為藥物數量nd。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中國人民解放軍總醫院,未經中國人民解放軍總醫院許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202310418206.5/1.html,轉載請聲明來源鉆瓜專利網。





