[发明专利]基于基因空间融合的矩阵分解对老药预测新适应症的方法

权利要求书

1.一种基于基因空间融合的矩阵分解对老药预测新适应症的方法，其特征在于，所述方法包括如下步骤：

步骤S1：收集已知的药物集和疾病集的关联数据；

步骤S2：获取基因空间的数据，获取基因空间的数据，该数据包括与所述已知的药物相关的药物-基因关联集、与步骤S1中疾病相关的疾病-基因关联集和基因关联集；

步骤S3：从基因空间的数据中提取出基因紧密度矩阵；

步骤S4：对基因紧密度矩阵进行特征值分解，生成一个低维度的欧式空间，使得关注基因集中的每一个基因都可以用一个低维度的特征向量表示，从而构造出联合空间；

步骤S5：根据药物-基因关联集和疾病-基因关联集，从联合空间中计算药物和疾病的特征空间；

步骤S6：根据药物的特征矩阵和疾病的特征矩阵建立矩阵分解模型，利用联合空间中的药物和疾病的特征向量对模型进行初始化；

步骤S7：根据药物集、疾病集和药物疾病关联集获得训练样本；

步骤S8：利用所述训练样本对所述矩阵分解模型进行训练；

步骤S9：将训练后的矩阵分解模型用于对训练样本以外的药物-疾病组合的预测；

步骤S10：返回步骤S7，多次重复步骤S7、S8、S9中涉及到的处理过程，对正样本以外的所有可能的药物-疾病组预测其关联度；

步骤S11：根据步骤S10预测的关联度，筛选药物-疾病的关联关系，预测药物新的适应症。

2.如权利要求1所述的方法，其特征在于，所述步骤S1进一步包括：

步骤S11：收集已知的药物-疾病关联集；

步骤S12：根据药物-疾病关联集构造药物-疾病关联矩阵。

3.如权利要求1所述的方法，其特征在于，在步骤S2中，基因空间的数据包括药物-基因关联集、疾病-基因关联集和基因关联集，这些数据的获得通过查询数据库来实现。

4.如权利要求3所述的方法，其特征在于，药物-基因关联集通过查询KEGG BRITE、BRENDA、SuperTarget和DrugBank数据库获得，疾病-基因关联集通过查询OMIM数据库获得，基因关联集通过查询HPRD数据库获得。

5.如权利要求3所述的方法，其特征在于，基因用Entrez Gene ID表示。

6.如权利要求1所述的方法，其特征在于，所述步骤S3进一步包括：

步骤S31：根据所述基因关联集构建基因交互网络；

步骤S32：以所述药物-基因关联集和疾病-基因关联集中涉及到的所有基因作为关注基因集计算基因之间的紧密度。

7.如权利要求1所述的方法，其特征在于，所述步骤S4包括：

步骤S41：计算基因紧密度矩阵的特征值，以特征值大小降序排序，同时得到对应的特征向量；

步骤S42：提取前k个特征值构成k×k对角矩阵Λ，同时提取对应的k个特征向量，构成N_g×k矩阵Γ，其中，每一列对应一个特征向量，k是自然数；

步骤S43：计算N_g×k矩阵P＝ΓΛ^1/2，通过这一个矩阵，基因紧密度矩阵可以分解为C＝PP^T＝ΓΛ^1/2Λ^1/2Γ^T；

步骤S44：使用矩阵P的各行向量代表基因一组k维向量构成了联合空间。