[发明专利]药物-靶标相互作用的预测方法、装置、设备和存储介质在审
申请号: | 202110606005.9 | 申请日: | 2021-05-25 |
公开(公告)号: | CN113409897A | 公开(公告)日: | 2021-09-17 |
发明(设计)人: | 邹权;茹晓青 | 申请(专利权)人: | 电子科技大学长三角研究院(衢州) |
主分类号: | G16C20/50 | 分类号: | G16C20/50;G16C20/70;G16B30/00;G16B35/00;G16B40/00 |
代理公司: | 成都创新引擎知识产权代理有限公司 51249 | 代理人: | 向群 |
地址: | 324003 浙江省衢*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 药物 靶标 相互作用 预测 方法 装置 设备 存储 介质 | ||
1.一种药物-靶标相互作用的预测方法,其特征在于,包括:
获取训练数据集,所述训练数据集包括:靶标对象的蛋白序列和药物对象的化学结构,以及所述靶标对象和所述药物对象两者之间的相互作用关系;
提取所述靶标对象的蛋白序列的靶标特征和所述药物对象的化学结构的药物特征;
对所述靶标特征和所述药物特征进行特征选择;
将选择后的靶标特征和药物特征进行特征融合;
基于融合后的靶标特征和药物特征,构建用于预测药物-靶标相互作用强弱顺序的排序模型;
获取待预测靶标对象和待预测药物对象;
基于所述排序模型,预测所述待预测靶标对象和所述待预测药物对象的亲和力。
2.如权利要求1所述的预测方法,其特征在于,在提取所述靶标对象的蛋白序列的靶标特征和所述药物对象的化学结构的药物特征之前,所述预测方法还包括:
对所述靶标对象、所述药物对象以及所述靶标对象和所述药物对象两者之间的相互作用关系分别进行优化处理;
提取所述靶标对象的蛋白序列的靶标特征和所述药物对象的化学结构的药物特征,包括:
提取优化处理后的所述靶标对象的蛋白序列的靶标特征和优化处理后的所述药物对象的化学结构的药物特征。
3.如权利要求2所述的预测方法,其特征在于,对所述靶标对象、所述药物对象以及所述靶标对象和所述药物对象两者之间的相互作用关系分别进行优化处理,包括:
删除含有无效字符、长度小于预设数目的靶标对象的蛋白序列,并对剩余的靶标对象的蛋白序列进行去冗余处理;
表示药物对象的整体特征,并计算药物对象之间的相似度,基于药物对象之间的相似度去除具有较高相似度的药物对象;
将所述靶标对象和所述药物对象两者之间的相互作用关系进行取对数处理,并将去对数后的所述靶标对象和所述药物对象两者之间的相互作用关系作相反数处理。
4.如权利要求1所述的预测方法,其特征在于,所述靶标对象为kinase蛋白,所述药物对象为kinase抑制剂;
当所述药物对象能够作用于所述靶标对象时,用所述靶标对象和所述药物对象两者之间的半抑制浓度、抑制常数和解离常数表征两者之间的相互作用关系;
当所述药物对象不能够作用于所述靶标对象时,用预设常数表征两者之间的相互作用关系。
5.如权利要求1所述的预测方法,其特征在于,提取所述靶标对象的蛋白序列的靶标特征和所述药物对象的化学结构的药物特征,包括:
基于氨基酸组成、伪氨基酸组成、氨基酸的理化性质、蛋白质序列的进化信息、序列中残基之间属性信息提取所述靶标对象的蛋白序列的靶标特征;以及
基于2D指纹、药物描述符信息提取所述药物对象的化学结构的药物特征。
6.如权利要求1所述的预测方法,其特征在于,对所述靶标特征和所述药物特征进行特征选择,包括:
获取所述靶标特征和所述药物特征之间的欧几里得距离、余弦距离和谷本系数;
对所述欧几里得距离、余弦距离和谷本系数进行求和;
将所述求和的值最大的靶标特征和药物特征作为被选择留下的特征。
7.如权利要求1所述的预测方法,其特征在于,将选择后的靶标特征和药物特征进行特征融合,包括:
基于相似性网络融合算法,将选择后的靶标特征和药物特征进行特征融合。
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电子科技大学长三角研究院(衢州),未经电子科技大学长三角研究院(衢州)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/202110606005.9/1.html,转载请声明来源钻瓜专利网。