申请/专利权人：湖南工业大学

申请日：2020-12-08

公开（公告）日：2021-04-13

公开（公告）号：CN112652355A

主分类号：G16B5/00(20190101)

分类号：G16B5/00(20190101);G16B15/30(20190101);G16B30/10(20190101);G16B40/00(20190101);G06F17/16(20060101)

优先权：

专利状态码：有效-授权

法律状态：2023.07.04#授权;2021.04.30#实质审查的生效;2021.04.13#公开

摘要：本发明提出了一种基于深度森林和PU学习的药物‑靶标关系预测方法,包括以下步骤：S1、获取药物的结构信息、靶标的序列信息和已知的药物‑靶标关系；S2、基于药物结构信息和靶标序列信息分别构建药物之间的相似性矩阵和靶标之间的相似性矩阵；S3、采用PU学习来筛选潜在的药物‑靶标负相关关系；S4、基于相似的药物共享相似的靶标的假设，使用深度森林模型对药物‑靶标关系进行预测。本发明能够更准确的预测药物‑靶标关系，能够减少生物实验所需的时间和资源，为药物发现和药物重定位提供了研究基础。

主权项：1.一种基于深度森林和PU学习的药物-靶标关系预测方法，其特征在于，包括以下步骤：S1、获取药物的结构信息、靶标的序列信息和已知的药物-靶标关系；S2、采用PU学习来筛选潜在的药物-靶标负相关关系；根据S1中所述构建药物-靶标正相关关系矩阵Y1，计算药物相似性矩阵Simd，计算靶标相似性矩阵Simt；在药物相似性矩阵Simd和靶标相似性矩阵Simt构成的特征向量上进行计算，得到药物-靶标得分矩阵，对分数进行排名；S3、采用深度森林方法来预测潜在的药物-靶标关系；1对于药物和靶标都是已知的情况，基于药物相似性矩阵Simd和靶标相似性矩阵Simt，采用深度森林方法，得到药物-靶标得分矩阵；2对于新的药物的情况，根据新的药物的结构信息，计算新的药物与已知药物的结构相似性，基于靶标相似性矩阵Simt，采用深度森林方法，得到新的药物-靶标之间存在关系的概率值；3对于新的靶标的情况，根据新的靶标的氨基酸序列信息，计算新的靶标与已知靶标的序列相似性，采用深度森林方法，得到新的靶标-药物之间存在关系的概率值。

全文数据：

权利要求：

百度查询： 湖南工业大学 一种基于深度森林和PU学习的药物-靶标关系预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD