[发明专利]基于受体和配体的药物虚拟筛选的方法及系统

权利要求书

1.一种基于受体和配体的药物虚拟筛选的方法，其特征在于，包括以下步骤：

(1)获取靶标受体的活性数据，所述受体的活性数据用于分子对接；

(2)获取所述靶标受体的配体及其活性数据，以构建配体结构库；

(3)处理所述配体结构库中的配体的活性数据，以得到所述配体的分子指纹；

(4)将所述靶标受体与所述配体结构库中的配体进行分子对接，然后进行分子动力学模拟，再进行能量分解以得到能量分解值；

(5)按比例选取所述分子指纹与所述能量分解值进行特征融合，根据机器学习算法建立模型；以及

(6)利用所述模型进行药物虚拟筛选。

2.根据权利要求1所述的药物虚拟筛选的方法，其特征在于，所述靶标受体的活性数据包括所述靶标受体的晶体结构，所述晶体结构分辨率低于2埃。

3.根据权利要求1所述的药物虚拟筛选的方法，其特征在于，所述分子指纹为2D分子指纹或3D分子指纹。

4.根据权利要求1所述的药物虚拟筛选的方法，其特征在于，所述配体的活性数据包括IC₅₀、EC₅₀和抑制率中的至少一个。

5.根据权利要求1所述的药物虚拟筛选的方法，其特征在于，所述步骤(4)中，所述分子对接使用的软件为DOCK软件，选取打分最高的构象用于分子动力学模拟。

6.根据权利要求5所述的药物虚拟筛选的方法，其特征在于，所述步骤(4)中，所述分子动力学模拟中，通过进行两步能量最小化，使用选择MM/GBSA方法计算体系的结合自由能。

7.根据权利要求1-6中任一项所述的药物虚拟筛选的方法，其特征在于，所述配体结构库中的配体为所述靶标受体的激动剂或拮抗剂。

8.根据权利要求7所述的药物虚拟筛选的方法，其特征在于，所述机器学习算法为随机森林法，所述模型为SVM模型，以4:1或7:3的比例将所述激动剂和所述拮抗剂随机分成训练集和测试集，采取RBF核函数：

K_RBF(x₁，x₂)＝exp(-γ||x₁-x₂||²)

X₁为惩罚参数cost，X₂为核函数参数gamma，不敏感损失函数epsilon，SVM模型类型epsilon-SVR，参数寻优范围为cost＝2^seq(-2,10,by＝2)，gamma＝2^seq(-10,2,by＝2)，epsilon值设定为0.1。

9.一种基于受体和配体的药物虚拟筛选的系统，其特征在于，所述药物虚拟筛选系统包括：

A.靶标受体数据获取模块，其用于获取靶标受体的活性数据；

B.配体结构库模块，其用于获取所述靶标受体的配体以及所述配体的活性数据，以构建配体结构库；

C.分子指纹获取模块，其用于处理所述配体结构库中的配体的活性数据，以得到所述配体的指纹；

D.分子对接及动力学模拟模块，其用于将所述靶标受体与所述配体进行分子对接，然后进行分子动力学模拟，进行能量分解以得到能量分解值；

E.训练模块，其用于按比例选取所述分子指纹与所述能量分解值进行特征融合，根据机器学习算法建立模型；以及

F.药物虚拟筛选模块，用于根据所述模型虚拟筛选药物。

10.根据权利要求9所述的药物虚拟筛选的系统，其特征在于，所述机器学习算法为随机森林法，所述模型为SVM模型，以4:1或7:3的比例将所述配体结构库中的激动剂和拮抗剂随机分成训练集和测试集，采取RBF核函数：

K_RBF(x₁，x₂)＝exp(-γ||x₁-x₂||²)

X₁为惩罚参数cost，X₂为核函数参数gamma，不敏感损失函数epsilon，SVM模型类型epsilon-SVR，参数寻优范围为cost＝2^seq(-2,10,by＝2)，gamma＝2^seq(-10,2,by＝2)，epsilon值设定为0.1。