[发明专利]一种筛选疾病药物靶标和靶标组合的方法及系统有效
| 申请号: | 201810461277.2 | 申请日: | 2018-05-15 | 
| 公开(公告)号: | CN108647489B | 公开(公告)日: | 2020-06-30 | 
| 发明(设计)人: | 陈玲玲;常继伟;丁毓端;高俊祥 | 申请(专利权)人: | 华中农业大学 | 
| 主分类号: | G16B15/30 | 分类号: | G16B15/30 | 
| 代理公司: | 北京高沃律师事务所 11569 | 代理人: | 王戈 | 
| 地址: | 430000 湖*** | 国省代码: | 湖北;42 | 
| 权利要求书: | 查看更多 | 说明书: | 查看更多 | 
| 摘要: | |||
| 搜索关键词: | 一种 筛选 疾病 药物 靶标 组合 方法 系统 | ||
1.一种筛选疾病药物靶标和药物靶标组合的方法,其特征在于,包括:
根据蛋白质在疾病细胞系与正常组织间的差异表达数据构建自动编码器;
根据所述自动编码器计算基因的敲除效应,构建敲除网络;
根据所述敲除网络预测疾病相关蛋白质;所述相关蛋白质即为药物靶标;
根据所述敲除网络预测疾病相关蛋白质的组合,所述相关蛋白质的组合即为药物靶标组合;
所述根据所述自动编码器计算基因的敲除效应,构建敲除网络具体包括:
根据自动编码器构建深度学习网络模型;
给定一个差异表达谱,将所述差异表达谱输入所述深度学习网络模型,得到差异表达值,记为背景输出B;
设定差异值阈值,选取所述差异表达谱中差异值大于所述差异值阈值的基因,记为高表达基因;
将所有所述高表达基因按差异值从大到小排序,将差异值最大的所述高表达基因赋予所述差异表达谱中差异值最小的数值,依次将所有所述高表达基因赋予新的差异值;
根据具有新的差异值的高表达基因和除去所有所述高表达基因后的差异表达谱中的剩余基因构成新差异表达谱;
将所述新差异表达谱输入所述深度学习网络模型,得到第二输出K;
设定比较阈值;
计算所有所述高表达基因的第二输出K与所述高表达基因的背景输出B的差值,得到比较差值;
将所有所述比较差值大于所述比较阈值的所述高表达基因记为敲除基因;
根据所有所述敲除基因构建敲除网络。
2.根据权利要求1所述的筛选疾病药物靶标和药物靶标组合的方法,其特征在于,所述根据所述敲除基因构建敲除网络具体为:
将所述敲除基因作为所述敲除网络的源点;
被所述敲除基因影响的基因作为所述源点的边;
所述比较差值作为所述边的权重。
3.根据权利要求1所述的筛选疾病药物靶标和药物靶标组合的方法,其特征在于,所述根据所述敲除网络预测疾病相关蛋白质具体包括:
设定已知的药物靶点为标记基因、设定待测蛋白质、相关性阈值;
根据所述敲除网络获得与所述待测蛋白质相连的靶点蛋白质和源点蛋白质;
根据所述靶点蛋白质和所述标记基因,区分抑制效应的靶点蛋白质和激活效应的靶点蛋白质;
计算所述抑制效应的靶点蛋白质与所述待测蛋白质相连的边的权重和,记为第一权重和;
计算所述激活效应的靶点蛋白质与所述待测蛋白质相连的边的权重的绝对值的和,记为第一绝对值和;
计算所述源点蛋白质的所有正值的边的权重的和,记为第二权重和,所有负值权重的绝对值的和,记为第二绝对值和;
根据所述第一权重和、所述第一绝对值和、所述第二权重和、所述第二绝对值和计算所述待测蛋白质的相关性得分;
选取所有所述待测蛋白质的相关性得分高于所述相关性阈值的待测蛋白质,即为疾病相关蛋白质。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华中农业大学,未经华中农业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810461277.2/1.html,转载请声明来源钻瓜专利网。





