[发明专利]福辛普利的抗细菌应用及抗细菌活性预测和结构新颖性评价方法

权利要求书

1.一种福辛普利的应用，其特征在于，将所述福辛普利用于制备抗细菌药物。

2.一种预测化合物抗细菌活性并进行结构新颖性评价的方法，其特征在于，包括对化合物的抗细菌活性进行预测以及对化合物的结构新颖性进行评价，所述对化合物的抗细菌活性进行预测具体包括以下步骤；

步骤1，对抗细菌活性和细胞毒性相关的高通量数据进行收集，对这些数据进行整理过滤和分析形成抗细菌活性基准数据库；

步骤2，利用Pybel和PyDPI产生待预测化合物的构成描述符、拓扑描述符、分子连接、分子电荷描述符以及Daylight分子指纹特征；

步骤3，通过scikit-learn中的特征选择模块对步骤2中产生的特征进行选择得到对应的待测特征；

步骤4，构建支持向量机预测模型和支持随机森林预测模型；

步骤5，对步骤4中构建的所有模型都采用10次的5折交叉验证方法来评估它们的分类性能；

步骤6，所述步骤5中评估后将预测性能良好的支持向量机和随机森林预测模型组合形成抗细菌预测模型；

步骤7，通过抗细菌预测模型对所述步骤3中的待测特征进行预测，当两种模型都预测化合物有抗细菌活性，则该化合物作为候选抗细菌化合物。

3.根据权利要求2所述的一种预测化合物抗细菌活性并进行结构新颖性评价的方法，其特征在于，所述步骤1中收集的数据具体包括对抗细菌活性的基准数据集以及所有上市的小分子药物数据集；

其中，抗细菌活性的基准数据集是从ChEMBL数据库下载的所有的抗细菌活性数据；

所有上市的小分子药物数据集是从DrugBank药物数据库下载的所有上市的小分子药物及其对应信息。

4.根据权利要求2所述的一种预测化合物抗细菌活性并进行结构新颖性评价的方法，其特征在于，所述步骤5中的评估是采用ROC曲线、准确率Accuracy、精确率Precision、召回率Recall和F1分数F1 Score五种指标进行评估，计算公式如下：

其中，TP为真阳性，TN为真阴性，FP为假阳性，FN为假阴性。

5.根据权利要求2所述的一种预测化合物抗细菌活性并进行结构新颖性评价的方法，其特征在于，所述步骤4中，构建支持向量机预测模型具体是利用基于Python的机器学习模块库Scikit-learn中封装的libsvm27完成支持向量机模型的构建。

6.根据权利要求2所述的一种预测化合物抗细菌活性并进行结构新颖性评价的方法，其特征在于，所述步骤4中，构建支持随机森林预测模型具体是利用基于Python的机器学习模块库Scikit-learn中的随机森林分类器对样本进行训练和预测，进而构建支持随机森林预测模型。

7.根据权利要求2所述的一种预测化合物抗细菌活性并进行结构新颖性评价的方法，其特征在于，所述对化合物的结构新颖性进行评价具体包括如下步骤：

步骤1，通过Pybel计算候选化合物和所有已知抗菌药物整体结构相似性，并通过谷本系数TC度量，TC值的计算公式为:

TC＝C(i,j)/U(i,j)，其中C(i,j)表示两个小分子i和j的分子指纹中共有特征的数目，U(i,j)表示两个小分子i和j的分子指纹中所有特征的数目；

步骤2，利用Pybel产生FP2分子指纹并计算TC值；

步骤3，判断计算出的TC值是否低于0.5，若低于0.5，则两个小分子相似性很低，所述选化合物结构具备新颖性。

8.根据权利要求2或7所述的一种预测化合物抗细菌活性并进行结构新颖性评价的方法，其特征在于，所述对化合物的结构新颖性进行评价具体还包括如下步骤：

步骤1，构建所有已知上市抗细菌药物的有效基团的子结构库，然后利用fmcsR对新发现的候选抗菌化合物进行子结构搜索；

步骤2，若候选化合物不含有已知抗细菌药的活性子结构且整体相似性小于0.5，那么该化合物具有结构新颖性。

9.利用如权利要求2至7任一项所述的一种预测化合物抗细菌活性并进行结构新颖性评价的方法来预测福辛普利的抗细菌活性并评价福辛普利的结构新颖性。