基于超图自适应归纳矩阵补全的病毒-药物关联预测方法技术

本发明专利技术提供一种基于超图自适应归纳矩阵补全的病毒

【技术实现步骤摘要】
基于超图自适应归纳矩阵补全的病毒
‑
药物关联预测方法


[0001]本专利技术涉及一种基于超图自适应归纳矩阵补全的病毒
‑
药物关联预测方法，属于生物信息学


技术介绍

[0002]寻找特殊的抗病毒药物对于抵抗COVID
‑
19的威胁，传统药物开发实验需要高昂的人力、物力成本和长期的时间投入，这决定了在短时间内开发有效的新药物是不现实的
[2]。通过重新定位已经商业化的药物，推断药物的新用途，可以大大缩短研制抗 SARS
‑
CoV
‑
2抗病毒药物所需的时间
[3]。
[0003]近年来越来越多的抗病毒药物预测模型被提出。基于病毒的全基因序列和药物的化学结构数据，Peng等人
[4]构建病毒和药物的异构网络结构，并利用重启随机游走模型来预测潜在关联。Zhou等人
[5]则提出了一个基于 KATZ方法的抗病毒药物预测模型，除了利用病毒的全基因序列相似性和药物化学结构相似性，该方法还从病毒
‑
药物关联本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于超图自适应归纳矩阵补全的病毒
‑
药物关联预测方法，其特征在于，包括以下步骤：S1，获取已知的病毒全基因组序列、药物分子结构数据、药物靶标的数据及药物
‑
靶标的关联数据；根据病毒全基因组序列计算病毒的相似性根据药物分子结构数据，计算药物结构相似性根据药物
‑
靶标的关联数据和药物靶标的数据计算药物的靶标相似性S2，根据病毒的相似性、药物结构相似性及药物的靶标相似性，利用超图自适应归纳矩阵补全算法，按照下列公式(1)计算病毒的子空间特征矩阵药物子空间特征矩阵病毒的本质相似性矩阵及药物的本质相似性矩阵及药物的本质相似性矩阵其中，N
v
表示病毒总数，N
d
表示药物总数，k表示低维特征的维度。Y表示已知的病毒
‑
药物关联矩阵，当第i个病毒和第j个药物间存在关联时，Y
i，j
＝1；否则，Y
i，j
＝0。表示重要性水平矩阵，当Y
i，j
＝1时，C
i，j
＝c，否则C
i，j
＝1；c＞1表示已知关联的重要性程度；||
·
||
F
表示Frobenius范数，α为特征正则化参数，用来平衡目标项和特征正则化项的关系；E
v
表示病毒的超边权重集合，w(e
v
)表示超边e
v
的权重，δ(e
v
)表示超边e
v
的度，和分别表示病毒顶点和的度；E
d
表示药物的超边权重集合，w(e
d
)表示超边e
d
的权重，δ(e
d
)表示超边e
d
的度，和分别表示药物顶点和的度；...

【专利技术属性】
技术研发人员：马英钧，
申请(专利权)人：厦门理工学院，
类型：发明
国别省市：