基于人工智能SGRN-Trans框架预测温胆汤中成分-靶点相互作用的研究

目的:以温胆汤为例,构建基于知识图谱和注意力机制的深度学习模型(SGRN-Trans)预测中医经典名方中药效成分与靶点的相互作用,评价其预测效果。方法:首次提出SGRN-Trans(Self-weighted Graph Relational Network-Transformer)预测模型,结合多生物数据源构建中医经典名方温胆汤知识图谱(Wendan Decoction Knowledge Graph,WDKG),利用图神经网络学习知识图谱中每个实体的低维嵌入表示,引入中药成分和靶点各自的结构特征,搭载基于注意力机制的Transformer模型进行药效成分-靶点相互作用的预测,结合分子对接及文献调研进行验证。结果:WDKG包含10个类型共14292个实体,可用于深度学习模型的研究。SGRN-Trans预测模型与TransE、TransR、ComplEx、DistMult、ConvKB等其他知识图谱嵌入模型的性能相比,效果最优。将预测排序前20组的药效成分与靶点分别进行分子对接和可视化呈现,其中8组的结合能提示其药效成分与靶点有潜在的相互作用。以温胆汤中半夏的有效成分soya-cerebroside(大豆脑苷脂)与低密度脂蛋白受体(low density lipoprotein receptor,LDLR)相互作用为例,结合研究文献进行讨论,可能是温胆汤治疗动脉粥样硬化的机制之一。结论:本研究提出基于知识图谱和注意力机制的模型SGRN-Trans,可推广用于预测中医药经典名方复杂网络体系中成分与靶点的相互作用,为阐明经典名方的药效物质基础和作用机制提供新的工具。