[发明专利]一种基于牵连犯罪原则和网络拓扑结构特征的药物‑靶标相互作用识别方法

说明书

技术领域

本发明属于计算机辅助药物设计技术领域。更具体地，涉及一种基于牵连犯罪原则和网络拓扑结构特征的药物-靶标相互作用识别方法。

背景技术

新药研究与开发一直是一个费时、费力的过程。据估计一个新药上市平均要花费数十亿美元和十多年时间。近年来新药研发的成功率一直呈下降趋势，造成这种现象的一个主要原因是药物-靶标相互作用信息地缺乏。大部分药物都是生物活性小分子，主要通过与靶标蛋白质的相互作用阻断异常的生物过程发挥疗效。因此，识别药物-靶标相互作用一直是药物研发的重要部分，识别药物-靶标相互作用不仅可以减少研发成本和时间，而且有助于阐明药物活性机制。

在药物-靶标相互作用识别模型的构建中，蛋白质与药物靶标相互作用对的合理、有效表征是影响模型预测性能的关键。采用蛋白质一级结构描述符和药物分子指纹描述符表征药物-靶标相互作用对是一种简单的方法，通过该方法，药物-靶标相互作用对可以表征为一个高维特征向量，但是该方法没有考虑生物网络的整体性和鲁棒性等特点。因此，近年来研究人员提出了基于网络的药物-靶标相互作用识别方法，但是该方法仅把药物-靶标相互作用模拟为二部图，没有考虑到蛋白质与蛋白质以及药物与药物之间的相互作用，而且仅把蛋白质和药物考虑为一个单纯的点，忽略了物理化学等性质。因此，提出全新的药物-靶标相互作用表征方法，并发展自动、可靠的药物-靶标相互作用识别方法具有重大的理论和实际应用意义。

发明内容

本发明要解决的技术问题是克服现有新药研发中药物-靶标相互作用识别技术的缺陷和不足，提供一种新的简单、合理、高效的药物-靶标相互作用标准方法——网络拓扑结构特征，在网络拓扑结构特征的基础上，利用随机森林算法构建模型对药物-靶标相互作用进行识别研究，有望应用于新药研究和计算机辅助药物设计等领域。该表征方法不仅包含药物指纹描述符和蛋白质一级结构描述符信息，而且还包含了网络拓扑结构信息，预测结果明显优于现有文献报道结果。

本发明的目的是提供一种基于牵连犯罪原则和网络拓扑结构特征的药物-靶标相互作用识别方法。

本发明另一目的是提供该方法的应用。

本发明上述目的通过以下技术方案实现：

一种基于牵连犯罪原则和网络拓扑结构特征的药物-靶标相互作用识别方法，包括以下步骤：

S1.构建药物-靶标相互作用组网络

S11.从现有数据库收集人类蛋白质与蛋白质相互作用数据和药物-靶标相互作用数据；

S12.基于相互作用数据，构建包含蛋白质-蛋白质相互作用子网络、药物-靶标相互作用子网络和药物-药物关系子网络的综合药物-靶标相互作用组网络；

S2.表征药物-靶标相互作用对

S21.基于蛋白质一级序列信息和药物小分子结构信息，分别计算其一级结构描述符和药物分子指纹描述符，结合相互作用信息，对网络节点和边加权；

S22.基于加权的节点和边信息，采用牵连犯罪原则和图论分别计算网络中蛋白质和药物小分子的网络拓扑结构特征，网络拓扑结构特征通过下式计算：

式中，Dd(i)和Dj(i)分别表示药物分子d和邻居药物分子j的第i个节点权重；

Ed,j是药物分子d和j的边权重；

Pp(i)和Pj(i)分别是蛋白质p和其邻居蛋白质j的第i个节点权重；

Ep,j是蛋白质p和邻居j的边权重；

N是药物分子d或者蛋白质p的邻居总数；

S23.基于蛋白质和药物小分子的网络拓扑结构特征，提出药物d-靶标p的相互作用对网络拓扑结构特征，其表示如下：

式中，表示正交求和；最终，药物-靶标相互作用对被表征为一个2791维的特征向量；

S3.采用随机森林算法构建预测模型，预测潜在药物-靶标相互作用，为新药设计和病理机制研究提供理论参考。

具体地，步骤S11所述现有数据库为DrugBank数据库和HIPPIE数据库。

步骤S12所述子网络中，每一个定点表示蛋白质或者药物小分子；如果两个蛋白质或者药物-靶标具有相互作用，则用一条边连接这两个顶点；如果两个药物小分子具有共同的蛋白质靶标，则用一条边连接。

步骤S21所述一级结构描述符是一个1767维特征向量，包括：氨基酸组成、二肽组成、各种自相关描述符以及组成、转变和分布描述符；所述分子指纹描述符是一个1024维的二进制特征向量，“1”表示药物分子具有某一种特定分子结构，“0”表示没有。