[发明专利]一种药物-DBPs结合位点的预测方法

说明书

本发明涉及一种药物‑DBPs结合位点的预测方法，属于药物‑蛋白质结合位点预测技术领域。本发明中提出一种基于二分网络的药物‑DBPs结合位点的预测方法，以三个氨基酸组成的结合位点片段为研究对象，根据结合位点片段理化性质进行聚类，建立药物‑簇网络关系，然后使用CN方法计算药物‑簇相互作用分数，挑选出得分大于平均标准误差的药物‑簇；簇中的结合位点片段即与该药物具有显著的相互作用，为预测的药物‑DBPs结合位点。在缺乏特征信息的情况下，基于结构的链路预测算法被用来预测新的药物‑DBPs结合位点片段相互作用。基于此，还可以进一步分析预测结果中药物和结合位点片段的结合机制。

技术领域

本发明涉及一种药物-DBPs结合位点的预测方法，属于药物-蛋白质结合位点预测技术领域。

背景技术

药物-DNA结合蛋白(DNA Binding Proteins，DBPs)相互作用的研究为治疗遗传病和癌症开辟了新途径。药物和DBPs结合位点的结合机制对DBPs的药物开发和相关疾病研究具有重要意义。因此，研究人员希望开发出预测药物-DBPs结合位点相互作用的新方法。

目前机器学习的方法被广泛应用在药物-蛋白质相关预测，如基于自动编码器(AE)和支持向量机(SVM)。虽然这些方法表现优异，但它们需要蛋白质和药物的相关信息。例如，深度学习中的自动编码器被用来预测DTIs，尽管它只需要蛋白质的序列，但是药物的结构信息却不容易被描述。并且当药物和蛋白质的相互作用模式未知时，该模型不能产生令人满意的结果。这是有缺陷的，因为包含DTI的数据库可能只是部分注释或者是未注释的。例如在DrugBank中仅提供对蛋白质的注释，但不提供药物-蛋白质相互作用。此外，基于化学结构或蛋白质序列之间相似性的DTI预测具有局限性，因为相似的药物共享相似蛋白质的假设不一定是正确的。

在传统的药物-蛋白质网络中，许多方法都是将蛋白质作为整体考虑，很少有人将蛋白质的药物结合位点作为研究的对象，忽略了药物和蛋白质结合位点的结合机制。

发明内容

本发明的目的是提供药物-DBPs结合位点的预测方法，该方法以三个氨基酸组成的结合位点片段为研究对象，在缺乏特征信息的情况下，该方法能够被用来预测新的药物-DBPs结合位点片段相互作用。

为了实现上述目的，本发明所采用的技术方案是：

一种药物-DBPs结合位点的预测方法，包括如下步骤：

1)建立由药物和可与药物结合的DNA结合蛋白构成的数据集；提取DNA结合蛋白序列上可与药物结合的结合位点，每三个结合位点作为一个结合位点片段；

2)根据结合位点片段的氨基酸理化性质通过层次聚类法分为不同的簇，根据药物与DNA结合蛋白结合位点片段的结合关系构建药物与所述簇相互作用的二分网络；

3)根据二分网络计算药物与簇之间的相互作用关系程度，挑选出相互作用关系强的药物-簇组合作为预测组，在该预测组中，簇所包含未与药物结合的结合位点片段作为预测的药物-DBPs结合位点。

本发明中提出一种基于二分网络的药物-DBPs结合位点的预测方法，以三个氨基酸组成的结合位点片段为研究对象，根据结合位点片段理化性质进行聚类，建立药物-簇网络关系，然后使用CN方法计算药物-簇相互作用分数，挑选出得分≥平均标准误差的药物-簇；簇中的结合位点片段即与该药物具有显著的相互作用，簇之前未记载与该药物有相互作用的结合位点片段为预测的药物-DBPs结合位点。

本发明中通过网络分析显示药物倾向与带正电荷的结合位点片段结合，并且结合过程更可能发生在DBP内部。网络分析还发现了药物-DBPs结合位点片段的一些结合特点，例如药物倾向结合疏水性的片段。在缺乏特征信息的情况下，基于结构的链路预测算法被用来预测新的药物-DBPs结合位点片段相互作用。基于此，还可以进一步分析预测结果中药物和结合位点片段的结合机制。