[发明专利]保持药物化学性质与功能一致性的药物靶标预测方法及系统

权利要求书

1.一种保持药物化学性质与功能一致性的药物靶标预测方法，其特征在于，包括：

获取待预测的药物的化学指纹；

利用训练好的特征选择模型，对药物的化学指纹进行处理，得到药物与靶标的相互作用评分矩阵，所述特征选择模型将药物的靶标视为药物在蛋白空间中的特征，将药物的适应症视为药物在疾病空间中的特征；其中，特征选择模型在训练时，考虑靶标序列间的相似性和疾病间的相似性，以不同药物间在药物空间、蛋白空间和疾病空间中相似性差异最小为目标，使药物化学性质与功能保持一致；

基于药物与靶标的相互作用评分矩阵，将评分最高的对应靶标，作为该药物的候选靶标。

2.根据权利要求1所述的保持药物化学性质与功能一致性的药物靶标预测方法，其特征在于，训练所述特征选择模型包括：

提取每个药物的化学指纹、靶标序列信息和适应症信息，生成药物的化学指纹特征矩阵、药物-靶标相互作用矩阵和药物-疾病关联矩阵；

基于药物的化学指纹特征矩阵、药物-靶标相互作用矩阵和药物-疾病关联矩阵，分别计算药物的化学指纹相似性矩阵、靶标间的序列相似性矩阵和疾病间的相似性矩阵；

基于药物的化学指纹相似性矩阵、靶标间的序列相似性矩阵和疾病间的相似性矩阵，结合药物的化学指纹、作用的靶标和相关适应症分别计算药物在药物、蛋白、疾病三个空间中的相似性，并以保持三种相似性的误差最小为目标，训练所述特征选择模型。

3.根据权利要求2所述的保持药物化学性质与功能一致性的药物靶标预测方法，其特征在于：

基于药物的化学指纹相似性矩阵、靶标间的序列相似性矩阵和疾病间的相似性矩阵，计算药物在靶标蛋白空间中的表示向量；

基于药物在靶标蛋白空间中的表示向量，获取药物在疾病空间中与各个疾病的关联得分；

基于药物在靶标蛋白空间中的表示向量和药物在疾病空间中与各个疾病的关联得分，计算每对药物分别在靶标蛋白空间中的相似性和疾病空间中的相似性；

基于每对药物分别在靶标蛋白空间中的相似性和疾病空间中的相似性，计算得到药物与靶标相互作用的评分矩阵。

4.根据权利要求3所述的保持药物化学性质与功能一致性的药物靶标预测方法，其特征在于：

将药物的化学指纹，通过一个由两层全连接神经网络构成的编码器，将药物投影到靶标蛋白空间中，得到药物与各个靶标间的相互作用评分；

将药物与各个靶标间的相互作用评分，通过解码器投影到疾病空间中，得到药物与各个疾病的关联得分。

5.根据权利要求4所述的保持药物化学性质与功能一致性的药物靶标预测方法，其特征在于：

将药物r_i的化学指纹f_i^r输入一个由两层全连接神经网络构成的编码器，将r_i投影到靶标蛋白空间中，得到r_i在靶标蛋白空间中的表示向量h_i³：

其中，σ_t、W^t、分别为第t层全连接层的激活函数、输出、权重矩阵和偏执向量。

6.根据权利要求5所述的保持药物化学性质与功能一致性的药物靶标预测方法，其特征在于：

通过一个解码器，根据编码器的结果计算预测药物疾病关联得分h_i⁶：

7.根据权利要求6所述的保持药物化学性质与功能一致性的药物靶标预测方法，其特征在于：编码器的损失函数为：

其中，对于编码器而言，λ_#＝λ₃，k＝q，S＝S_p，对于解码器而言，λ_#＝λ₄，k＝n，S＝S_d，表示基于编码器预测结果计算的靶标序列间的相似性，则表示基于解码器预测结果计算的疾病间的相似性。