基于融合核方程对药物-靶点作用预测研究

利用计算方法预测药物-靶点作用能够有效降低药物研发成本。本文提出一种基于支持向量机的新算法预测药物-靶点信息。该方法通过整合药物-靶点作用信息、药物分子物化特性、蛋白质序列信息,对药物-靶点作用对进行特征提取,并设计新的融合核方程,将药物分子、蛋白质分子信息映射到同一个空间,利用支持向量机对药物-靶点作用进行预测分类。10-CV交叉验证下,本文方法预测总精度为93.25%,与Van-Laarhoven高斯作用核方法相比提高了6.65%。实验结果表明,本文方法可以有效预测药物-靶点之间潜在作用。

整合蛋白质作用网络结构和序列信息预测药物靶蛋白

通过整合蛋白质作用网络拓扑结构信息和蛋白质序列信息,对蛋白质作用网络进行聚类,预测药物靶蛋白。分析了网络密度、节点隶属度及蛋白质相对于聚类团的平均相似度,将蛋白质作用网络分割成具有一定生物学特性的子网络,利用维尔克松秩和检验判断聚类团是药物靶点团还是非靶点团。实验结果表明,与仅利用蛋白质作用网络拓扑结构信息的聚类算法相比,该算法预测精度提高17.4%,能够有效预测药物靶蛋白,推测潜在的药物-靶蛋白作用。