【技术实现步骤摘要】
一种基于图卷积和相似性的药物
‑
靶点相互作用预测算法
[0001]本专利技术涉及药物
‑
靶点相互作用预测
，具体为一种基于图卷积和相似性的药物
‑
靶点相互作用预测算法。
技术介绍
[0002]药物
‑
靶点相互作用(DTI)是药物通过作用于靶点蛋白质并与靶点蛋白质发生相互作用，从而影响靶点蛋白质的药理作用，这是药物产生药效的前提。药物
‑
靶点相互作用的研究具有重要的理论指导意义和实际应用价值。长久以来，新设计和批准的药物不仅数量稀少，治疗疾病的效果也难达预期。其主要原因是大多数疾病的生物系统极其复杂，使得药物
‑
靶点相互作用情况难以预测。因此，识别与预测潜在的药物
‑
靶点相互作用，从而辅助药物发现、药物验证和药物副作用等研究，是一项艰巨的任务。通过计算方法预测药物
‑
靶点相互作用，可缩小用于后续生物实验的候选药物范围，从而显著降低开发新药的时间成本。
[0003]随着人工...
【技术保护点】
【技术特征摘要】
1.一种基于图卷积和相似性的药物
‑
靶点相互作用预测算法，其特征在于，包括以下步骤：1)构建分子间结构信息提取网络，计算药物数据集和蛋白质数据集中每个分子之间的相似性，生成结构相似性矩阵，从而得到分子间结构相似性特征；2)构建分子图结构信息网络，利用图卷积神经网络对化学分子建模，通过DeepChem将每个药物的SMILES字符串转换为特征矩阵和邻接矩阵，分析蛋白质结构并提取特征信息；3)构建药物
‑
靶点相互作用预测网络，该网络对编码的结构特征进行特征降维、特征融合，并进行最终的药物
‑
靶点相互作用预测；4)利用构建的数据集对神经网络模型进行训练，将训练好的神经网络模型用于后续药物
‑
靶点相互作用预测并辅助加速药物研发。2.根据权利要求1所述的基于图卷积和相似性的药物
‑
靶点相互作用预测算法，其主要特征在于，药物
‑
靶点相互作用预测算法包括分子间结构信息提取模块、分子图结构信息提取模块和药物
‑
靶点相互作用预测模块。分子间结构信息提取模块通过全局结构相似性进行特征编码；分子图结构信息提取模块利用DeepChem提取每个单体药物和蛋白质的特征信息；药物
‑
靶点相互作用预测模块对分子间结构信息提取模块和分子图结构信息提取模块得到的特征进行降维、融合和归一化处理，最终得到药物
‑
靶点相互作用预测结果。3.根据权利要求2所述的基于图卷积和相似性的药物
‑
靶点相互作用预测算法，其特征在于，分子间结构信息提取模块具...
【专利技术属性】
技术研发人员：宋弢，高畅楠，张旭东，李雪，韩佩甫，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。