[发明专利]一种基于异构网络的GPCR药物和靶向通路的预测方法有效
申请号: | 201910132743.7 | 申请日: | 2019-02-21 |
公开(公告)号: | CN110021341B | 公开(公告)日: | 2023-02-17 |
发明(设计)人: | 江振然;蒋惠炎 | 申请(专利权)人: | 华东师范大学 |
主分类号: | G16B15/30 | 分类号: | G16B15/30;G16B40/00;G16B50/00 |
代理公司: | 上海德禾翰通律师事务所 31319 | 代理人: | 夏思秋 |
地址: | 200062 上*** | 国省代码: | 上海;31 |
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 基于 网络 gpcr 药物 靶向 通路 预测 方法 | ||
本发明公开了一种基于异构网络的G蛋白偶联受体(G‑Protein Coupled Receptor,GPCR)药物和靶向通路的预测方法及其生物学用途。该方法基于药物的化学子结构特征、基于药物的SMILES字符串信息特征、通路相关的蛋白质序列特征及通路相关疾病的表型特征的基础上,进而建立药物‑通路异构网络模型,并使用深度置信网络的方法预测药物‑通路相互作用关系。本发明提出的基于异构网络的GPCR药物和靶向通路的预测方法不仅预测精度高,鲁棒性好,而且可以成功预测出部分GPCR药物所作用的通路。该方法可用于药物‑通路相关性评估及临床患者用药参考等用途。
技术领域
本发明涉及生物信息学中药物和通路的联系,即一种基于异构网络模型的GPCR药物和靶向通路预测方法,该方法主要利用药物的化学子结构特征和药物的SMILES字符串信息特征,以及通路相关的疾病表型相似性和通路相关蛋白序列相似性,从而构建药物-通路异构网络模型,并使用深度置信网络的方法预测潜在的药物-通路关系。
背景技术
识别药物和通路的相互作用关系(drug-pathway interactions——DPI)是药物发现和药物重定位的关键。由于GPCR药物具有明确的可用性,如果能将药物用到新的通路不仅可以降低药物开发成本,还可以减少药物的不良反应。尽管目前有各种生物检测技术可用来预测DPI,但这些技术仍存在局限性。此外,由于实验的时间和成本比较高,使得有必要开发适当的计算方法来精确地分析和预测DPI。
近年来,有关DPI的研究受到了越来越多的关注。最典型的是H.Ma和H.Zhao提出了iFad和FacPad两个方法,主要通过R语言中的iFad和FacPad包的综合因子推断出DPI,这两个方法能明确的考虑药物-通路的稀疏性质。方法的不足之处在于同时改变影响因子的符号并不会造成对估算的基因表达值应有的影响,并且提供的数据是药物的敏感性数据和经过药物培养的细胞系中的基因表达数据(参考文献Ma H,Zhao H.iFad:an integrativefactor analysis model for drug-pathway association inference[J].Bioinformatics,2012,28(14):1911-8.MaH,Zhao H.FacPad:Bayesian sparse factormodeling for the inference of pathways responsive to drug treatment[J].Bioinformatics,2014,28(20):2662-70.)。Hoehndorf等人利用多种药物基因组学数据库(包括DrugBank,CTD,PharmGKB),并整合了各种生物实体信息,结合富集分析来进行研究。尽管此方法可以通过人类疾病实体论的新型富集分析来识别疾病与通路,但是并没有直接预测DPI(参考文献Hoehndorf R,Schofield P N,Gkoutos G V.PhenomeNET:a whole-phenome approach to disease gene discovery[J].NucleicAcids Research,2011,39(18):e119.)。最近的一项工作研发了一种线性回归模型,其整合了基因组和基因表达数据,从而预测DPI。然而这种新颖的统计数据方法是需要知识引导的组合分析(参考文献Giovannetti G.The linear regression model under test,by W. andH.Sonnberger.Physica Verlag,Heidelberg[J].Journal of AppliedEconometrics,2010,4(2):209-211.)。随着许多实验设备和技术的发展,例如高通量实验和基因测序技术,存在越来越多的药物、通路相关数据可用于DPI的预测,进而提出了各种基于网络的方法来推断DPI。在DPI网络中,药物和通路由节点表示,与节点连接的线是已知的DPI,新的DPI可以由已知网络推断得到(参考文献Emig D,IvlievA,Pustovalova O,et al.DrugTarget Prediction and Repositioning Using an Integrated Network-BasedApproach[J].PLoS One,2013,8(4):e60618.)。
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东师范大学,未经华东师范大学许可,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/201910132743.7/2.html,转载请声明来源钻瓜专利网。