[发明专利]基于化合物特征的天然产物活性成分计算识别方法

权利要求书

1.一种基于化合物特征的天然产物活性成分计算识别方法，其特征在于：它是一种从已知结构的天然产物提取物分子中，利用化合物特征描述符，计算识别该分子有无生物活性的方法，该方法包括如下步骤：

(A)构建用于建模的天然产物提取物分子的训练集和预测集，所述训练集是有生物活性说明的天然产物分子数据集，预测集是需要识别活性成分的天然产物提取物分子数据集；

(B)搜集训练集和预测集的分子结构文件；

(C)利用分子结构文件算出训练集和预测集的化合物特征描述符；

(D)根据化合物特征描述符，用机器学习软件对训练集进行分类建模；

(E)用机器学习软件结合步骤(D)的训练集模型来识别预测集的分子有无生物活性。

2.根据权利要求书1所述的天然产物活性成分计算识别方法，其特征在于：所述构建用于建模的训练集是采用化合物名称比对方法将美国国立癌症研究所的发展治疗计划(DTP)天然产物数据库和Dr.Duke’s数据库结合得到。

3.根据权利要求书1所述的天然产物活性成分计算识别方法，其特征在于化合物特征描述符的计算步骤如下：

(i)当天然产物提取物分子的原始分子结构文件不是三维文件时，需要用分子格式转化软件转化成三维的文件；若原始分子结构文件中没有添加氢原子，需添加氢原子；

(ii)将(i)的分子结构文件输入分子描述符计算和分析软件，计算所有化合物特征描述符。

4.根据权利要求书1所述的天然产物活性成分计算识别方法，其特征在于，所述机器学习软件为一种支持向量机(SVM)方法，所述支持向量机方法为具有格点搜索策略，调整惩罚参数C和径向基函数(RBF)内核参数γ方法的Libsvm软件；所述惩罚参数C的格点搜索范围是2＾-5~2^15，步进是2^1，所述内核参数γ的格点搜索范围是2^-14~2^2，步进是2^1。

5.根据权利要求书4所述的天然产物活性成分计算识别方法，其特征在于，建模前的化合物特征描述符数据需转化成SVM软件支持的格式，并按比例缩放到[-1，1]区间内。

6.根据权利要求书1-5任一项所述的天然产物活性成分计算识别方法，其特征在于，在完成对训练集进行分类建模后，使用递归特征消除方法来优化化合物特征描述符集。

7.根据权利要求书6所述的天然产物活性成分计算识别方法，其特征在于，所述递归特征消除方法为基于线性SVM内核函数的递归特征消除方法。

8.根据权利要求书7所述的天然产物活性成分计算识别方法，其特征在于，在递归特征消除过程中，进行5倍交叉验证跟踪验证正确率的变化，以得到化合物特征描述符集。

9.根据权利要求书8所述的天然产物活性成分计算识别方法，其特征在于，所述的化合物描述符计算和分析软件为Dragon，得到的化合物特征描述符为下述25个：SMTI、SMTIV、GMTI、GMTIV、HyDp、w、ww、Wap、WhetZ、Whetm、Whetv、Whete、Whetp、T(O..O)、SRW06、SRW07、SRW08、SRW09、SRW10、IDMT、W3D、DDI、G(O..O)、Mor01u、Mor01e。