[发明专利]基于相似性的病毒-受体相互作用关系预测方法和装置

说明书

本发明公开了一种基于相似性的病毒‑受体相互作用关系预测方法和装置，所述方法首先基于已知的病毒‑受体相互作用关系数据分别构建病毒和受体的高斯核相似性矩阵；利用受体的序列信息构建受体的序列相似性矩阵；并基于受体序列相似性矩阵和高斯核相似性矩阵集成最终的受体相似性。然后根据邻接信息对不存在相互作用关系的病毒和受体的相互作用关系进行初始化处理。最后利用拉普拉斯正则化最小二乘法来计算病毒‑受体对的相互作用关系分数。本发明能够对病毒‑受体相互作用关系进行有效的预测。

技术领域

本发明属于系统生物学领域，涉及一种基于相似性的病毒-受体相互作用关系预测方法和装置。

背景技术

近来随着微生物组学研究的发展，越来越多的证据表明微生物与人类疾病有密不可分的关联关系。病毒作为微生物的重要一类和分布广泛的微生物群体，与病毒类传染疾病存在必然的联系，。在病毒接触到寄主表面的时候，其病毒传播的过程就开始了，而病毒与受体的绑定是病毒进入寄主细胞的第一步。此外，特异性和亲和力是病毒可以附着不同类型的受体蛋白质分子并进入细胞的主要因素。

随着高通量技术的发展，许多研究表明包括蛋白质在内的一些分子都可作为病毒的受体，比如碳水化合物和脂质。此外，病毒与受体绑定也是动态的过程，它的识别可以在感染过程中发展，然后出现具有不同受体结合特异性的病毒变体。介于当前病毒-受体相互作用关系研究在病毒类疾病诊断和治愈中的重要性，某研究团队构建了基于哺乳动物的病毒-受体相互作用数据库viralReceptor，该数据库为理解以及研究病毒和受体之间的相互作用机制提供了重要的数据基础。在此数据库，包括128种病毒、119种受体和它们之间的268种相互作用关系。该数据库是迄今为止最全的哺乳类的病毒-受体相互作用数据库，但是该数据库提供的病毒-受体相互作用数据仍然非常有限。

目前通过计算方法对病毒-受体相互作用关系进行预测的研究严重缺乏，这跟当前病毒类疾病研究的重要程度严重不匹配。此外，随着病毒的变种等固有的特性也给病毒类疾病的诊断和治疗提出了更大的挑战，这些都迫切需要提出高效的病毒-受体相互作用关系预测方法，来发现新的(潜在的)病毒-受体相互作用关系，为后续识别病毒-受体相互作用关系的生物医学实验提供基础的指导作用，提高生物医学实验的效率。

发明内容

本发明所要解决的技术问题是，针对现有技术的不足，提出一种基于相似性的病毒-受体相互作用关系预测方法、装置、电子设备和存储介质，能够较准确地预测病毒-受体相互作用关系。

发明的技术解决方案如下：

一种基于相似性的病毒-受体相互作用关系预测方法,包括以下步骤：

步骤1：构建病毒相似性矩阵S_v和受体相似性矩阵S_p；

步骤2：基于已知的病毒-受体相互作用关系数据、病毒相似性矩阵S_v和受体相似性矩阵S_p，预测各个病毒-受体对的相互作用关系分数，即各个病毒-受体对存在相互作用关系的可能性。

基于相互作用关系分对对所有的病毒-受体对进行排名，排名越靠前的病毒-受体对存在相互作用关系的可能性更大。

本预测方法可以针对不存在已知的相互作用关系的病毒-受体对，预测其存在相互作用关系的可能性。

进一步地，根据已知的病毒-受体相互作用关系数据，分别计算病毒的高斯核相似性矩阵G_v和受体的高斯核相似性矩阵G_p；根据受体的序列信息计算得到受体的序列相似性矩阵G_s；

将病毒的高斯核相似性矩阵G_v作为最终的病毒的最终相似性矩阵S_v；