[发明专利]基于通路模式挖掘的中药活性成分预测方法

权利要求书

1.一种基于通路模式挖掘的中药活性成分预测方法，该方法包括如下步骤：

步骤1：收集中药的含有登记号的化合物成分数据；

步骤2：查询第一数据库，收集化合物的关联基因，形成化合物-基因关联对，依据所述关联基因的出现频率对基因进行排序，形成关联基因列表；

步骤3：设置阈值筛选频繁基因，通过查询第二数据库，收集每一个频繁基因相关的生物通路，形成生物通路数据集；

步骤4：针对所述生物通路数据集，选取算法，挖掘通路模式；

步骤5：对频繁基因进行评分；

步骤6：对化合物活性进行评分；

步骤7：对所述基因得分和所述化合物活性得分设置阈值，对化合物-基因关联对进行筛选，保留剩下的化合物。

2.如权利要求1所述的方法，其特征在于，所述登记号为CAS登记号。

3.如权利要求1所述的方法，其特征在于，所述第一数据库为CTD数据库。

4.如权利要求1所述的方法，其特征在于，所述第二数据库为KEGG数据库。

5.如权利要求1所述的方法，其特征在于，所述算法为双向关联规则算法。

6.如权利要求3所述的方法，其特征在于，从所述第一数据库收集化合物的关联基因时，去除没有关联基因信息的化合物数据。

7.如权利要求4所述的方法，其特征在于，从所述第二数据库收集基因相关的生物通路时，去除不属于人类的基因和没有生物通路信息的基因。

8.如权利要求5所述的方法，其特征在于，所述步骤4包括：遍历所述生物通路数据集的所有数据记录，找到满足支持度要求的1-项通路频繁集；从k-项通路频繁集通过连接-剪枝操作生成候选(k+1)-项通路频繁集；对所述候选(k+1)-项通路频繁集的检验；对于数据挖掘的结果进行人工筛选，其中k为自然数。

9.如权利要求1所述的方法，其特征在于，所述步骤5采用如下表达式实现评分：

Sg=1kΣi=1khiNi]]>

其中，S_g表示基因得分，k表示通路模式中通路频繁集的最高项数，k为自然数，N_i表示的是i-项通路频繁集中双向关联规则的个数，h_i表示的是基因相关的生物通路中能构成的i-项双向关联规则的个数，i为自然数。

10.如权利要求1所述的方法，其特征在于，所述步骤6采用如下表达式实现评分：

Sc=12func+12spec]]>

其中，fun_c表示化合物关联基因的功能性评价，表达式为

spe_c表示化合物关联基因的特异性评价，表达式为

其中，m表示化合物关联基因的个数，S_gj表示化合物第j个关联基因的得分，S表示所有频繁基因的得分之和，j为自然数；

N表示化合物关联基因的个数，N_gt表示化合物关联基因中得分大于零的基因个数。