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。

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。

药物-靶点相互作用预测的计算方法综述

药物-靶点相互作用预测旨在发现可作用于特定蛋白质的潜在药物,在药物重定位、药物副作用预测、多重药理学和耐药性的研究中都发挥着重要作用。随着计算机处理能力的进步和计算算法的不断更新,药物-靶点相互作用预测的计算方法展现出时间短、成本低、精度高、范围广的优势,受到了广泛的关注,并取得了显著的进展。为了梳理其研究发展历程,探讨未来的研究方向,就药物-靶点相互作用预测的背景和意义进行简要概述;将方法分为基于分子对接、基于药物结构、基于文本挖掘和基于化学基因组四类进行综述,并对每类方法进行对比分析,详细阐述每类方法的数据需求及应用场景;对现有研究存在的局限性和面临的挑战进行讨论,展望未来的研究方向,为后续研究提供参考和借鉴。

预测药物-靶点相互作用的异构网络嵌入模型研究

药物-靶点相互作用(DTIs)预测是药物发现的重要过程。随着计算技术的发展,基于生物数据的计算方法正高效率地加速这一过程。然而,这些方法大多忽略了靶标和药物的序列特征和异构性。本研究通过机器学习方法,提出多重网络嵌入框架(MLB-NEDTP)的预测模型,首先分析序列特征,然后将融合的特征嵌入多层异质信息网络中,以提高预测性能。多个数据集训练和验证结果表明,该模型与ATOMNET等最新模型相比具有明显优势。

一种面向药物-靶点相互作用预测的不平衡数据处理方法

为了解决药物-靶点相互作用(DTI)预测中数据集样本分布不平衡的问题,提出了一种新的数据处理方法。通过词向量特征提取,将原始蛋白质序列信息和药物化学结构信息转换为低维向量特征,组合药物特征和靶点特征来表征药物-靶点相互作用;采用Borderline-SMOTE技术合成少数类样本,以改善数据集的样本分布;最后将处理好的数据输入到梯度提升决策树(GBDT)分类器中进行分类预测。实验结果表明,本文方法不仅能有效提取药物-靶点相互作用的特征,加快特征提取和特征选择的过程,还能缓解数据集的不平衡性对预测结果的不利影响,提高了预测模型的性能。

基于指纹相似度的药物-靶点相互作用预测

药物通过结合人体靶点发挥药效,识别药物-靶点相互作用对于药物新功能发现至关重要。该文提出基于分子子结构的靶点指纹特征和基于指纹相似度的药物-靶点特征计算方法,构建随机森林分类模型识别和预测药物-靶点相互作用,通过酶、离子通道、G蛋白偶联受体和核受体数据集测试并与现有方法对比分析,并将所提模型应用于中药成分-靶点相互作用预测,实验结果表明所提方法的有效性。

药物-靶点相互作用预测中的方法、数据及软件的发展现状

识别药物-靶点相互作用一直是新药发现进程中的重要步骤。由于体外实验的高成本性,基于计算机的药物-靶点相互作用预测方法将大大缩小化学空间的搜索范围,加快药物发现的进程。本文将介绍与药物-靶点预测密切相关的数据库软件和用于药物-靶点相互作用预测的主要方法,进而对药物-靶点相互作用预测问题进行总结和讨论。