[发明专利]药物-疾病关联预测方法及系统

说明书

本发明针对现有药物重新定位技术的局限性，提出了一种药物‑疾病关联预测方法及系统，方法部分通过运用权值K最近邻算法降低了现有药物‑疾病原始关联矩阵的稀疏性；同时在提取药物和疾病的相似性特征信息时综合了线性和非线性的特征提取方式，从而获得更加全面的相似特征信息，能够充分反映药物与疾病的关系；并采用二分图扩散方法来计算药物‑疾病关联的预测分数，获得了优良的预测性能。

技术领域

本发明涉及药物重新定位技术领域，具体涉及一种基于整合相似性和二分图扩散算法的药物-疾病关联预测方法及系统。

背景技术

药物重新定位旨在为现有药物确定新的适应症，这技术将大大降低了药物开发的成本和时间。近年来，研究人员探索了多种挖掘现有药物与疾病之间的联系的计算方法，包括基于机器学习方法、矩阵分解、网络和图等方法。但是，到目前为止的所有应用于药物重定位的方法都直接使用未经处理的原始的药物-疾病关联矩阵的信息，由于在实际情况下这些相似关联信息只有小部分被证明并记录下来，还有很多相似关联信息亟待证明，导致用于预测方法的原始关联矩阵数据稀疏性大。另外，对于药物之间和疾病之间的相似性特征的提取，目前还缺乏充分挖掘方法。

公开日为2021.03.26，公告号为CN112562795A的中国申请专利：基于多相似度融合的药物新用途预测方法，试图利用药物化学结构、药物靶蛋白和药物副作用数据计算药物相似度，再加权求和得到融合的药物相似度，基于融合的药物相似度计算得到的药物-疾病关联预测值，以此避免依靠单一数据源计算药物对疾病预测值的偏差问题；其利用谷本系数计算疾病相似度，基于疾病相似度计算得到的药物-疾病关联预测值，与基于药物相似度计算得到的药物-疾病关联预测值加权求和，得到融合后的药物对疾病的预测值，以此提高预测值的可靠性；拓宽数据源固然能在一定程度上避免预测偏差的问题，但是该方案对数据源的要求太高，实现起来较为复杂，因此仍有一定的局限性。

发明内容

针对现有技术的局限，本发明提出一种药物-疾病关联预测方法及系统，本发明采用的技术方案是：

一种药物-疾病关联预测方法，包括以下步骤：

S1，获取药物-疾病关联数据集，所述药物-疾病关联数据集包括；药物-疾病关联矩阵、药物化学相似矩阵以及疾病语义相似矩阵；

S2，对所述药物-疾病关联矩阵进行高斯核运算获得药物高斯核相似性矩阵以及疾病高斯核相似性矩阵；

S3，结合所述药物化学相似矩阵以及疾病语义相似矩阵，运用权值K最近邻算法对所述药物-疾病关联矩阵进行重构获得药物-疾病关联重构矩阵；

S4，根据所述药物-疾病关联重构矩阵，运用线性邻域相似性算法计算获得药物线性邻域相似性矩阵以及疾病线性邻域相似性矩阵；

S5，对所述药物高斯核相似性矩阵与药物线性邻域相似性矩阵进行整合获得药物综合相似矩阵；对所述疾病高斯核相似性矩阵与疾病线性邻域相似性矩阵进行整合获得疾病综合相似矩阵；

S6，根据所述药物综合相似矩阵、疾病综合相似矩阵以及药物-疾病关联重构矩阵，运用基于二分图的二步扩散方法构建获得药物-疾病关联预测矩阵作为预测结果。

相较于现有技术，本发明通过运用权值K最近邻算法降低了现有药物-疾病原始关联矩阵的稀疏性；同时在提取药物和疾病的相似性特征信息时综合了线性和非线性的特征提取方式，从而获得更加全面的相似特征信息，能够充分反映药物与疾病的关系；并采用二分图扩散方法来计算药物-疾病关联的预测分数，获得了优良的预测性能。

作为一种优选方案，在所述步骤S2中，通过以下公式获得疾病d_i和d_j之间的药物高斯核相似性矩阵GID_D以及药物D_i和D_j之间疾病高斯核相似性矩阵GID_d：