基于链路符号预测的分子毒性通路预测方法技术

本发明专利技术公开了一种基于链路符号预测的分子毒性通路预测方法，利用分子

【技术实现步骤摘要】
基于链路符号预测的分子毒性通路预测方法


[0001]本专利技术属于计算机辅助药物研发
，具体涉及一种基于链路符号预测的分子毒性通路预测方法。

技术介绍

[0002]小分子药物的发现与发展，需要花费很长的时间和大量的成本。一种好的药物不仅要具有良好的药效，还要具备较佳的物化性质及药代动力学性质。如果药物研发的过程中，在后期才考虑药物的药代动力学性质会导致了药物研发失败的风险几率增加。
[0003]药物毒性是指药物对机体的结构或亚结构造成损害的能力，为确保药物的安全性，在药物开展临床试验之前，都需要进行毒性研究。传统的动物实验存在实验周期长，成本高，不易大规模筛选等缺点，因此快速高效成本低廉的基于计算方法的药物毒性预测蓬勃发展。
[0004]基于计算方法的分子毒性预测取得了很大进展。总的来说，大多数方法，特别是机器学习和深度学习模型，已经被证明可以有效地分析当前大量的分子毒性数据，并对新化合物进行预测。传统机器学习方法的效果通常依赖所提取特征的质量，需要较多的领域知识。近几年来，得益于深度学习算法的快速发展及其在其它领域成功应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于链路符号预测的分子毒性通路预测方法，其特征在于，包括以下步骤：1)将tox21分子毒性通路的数据格式转化成链路符号预测所需的文件格式“分子节点毒性通路节点节点对标签”；其中，有毒的标签为1，无毒的标签为0；将毒性链路预测数据的正样本和负样本分别以相同的比例分为训练集和测试集，并合并正样本和负样本，形成训练集和测试集；2)提取并计算步骤1)中每个节点及节点对的特征向量2.1)对于每个分子
‑
毒性节点对(u,v)，为u、v节点分别随机生成k1维向量U
p
、V
p
和k2维向量U
N
、V
N
；将U
p
、V
p
映射到正空间，分别作为u、v节点的正空间向量；将U
N
、V
N
映射到负空间，分别作为u、v节点的负空间向量；2.2)对于每一个节点u，分别计算与其有连边的节点v形成的节点对(u,v)的正空间向量和负空间向量的余弦相似度z
+
、z
‑
，使用LeakReLU激活函数进行非线性计算得到处理后的余弦相似度p
+
、p
‑
，其中：式中，α为常数；每次计算的p
+
、p
‑
分别对应与节点u的正空间向量U
p
和负空间向量U
N
相乘，得到的向量分别对应与U
p
和U
N
进行加和运算从而得到更新的U
p
和U
N
；对所有的节点v执行与节点u相同的计算，以得到更新的V
p
和V
N
；计算完所有(u,v)节点对，得到每个节点更新的最后的正空间向量和负空间向量；2.3)将每个节点更新的最后的k1维正空间向量和k2维负空间向量进行横向拼接，得到(k1+k2)维的向量，...

【专利技术属性】
技术研发人员：施建宇，秦媛，杜冰雪，朱蓓，徐意，杨光，余皓洋，李嘉宁，赵鹏程，胡朋振，韦学鑫，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：