[发明专利]基于后处理学习的G蛋白偶联受体‑药物交互作用预测方法

权利要求书

1.一种基于后处理学习的G蛋白偶联受体-药物交互作用预测方法，其特征在于，包括以下步骤：

步骤1：基于训练数据集合中所有具有交互作用的G蛋白偶联受体-药物信息，构造一个描述不同药物之间可绑定同一个G蛋白偶联受体的概率的药物关联矩阵DAM；

步骤2：基于输入的G蛋白偶联受体序列信息与药物分子结构信息，进行多视角特征抽取与特征组合，即分别使用PSI-BLAST与PsePSSM算法抽取G蛋白偶联受体序列的进化信息视角特征，使用OpenBabel与Wavelet工具从药物分子结构信息中解析出药物指纹信息视角特征，然后利用特征串行组合方式将蛋白质序列中的每个氨基酸残基进行多视角特征表示，具体步骤为：

A.从进化信息视角抽取G蛋白偶联受体的特征

对于一个含有l个氨基酸残基的G蛋白偶联受体序列P，首先通过PSI-BLAST算法计算获取其位置特异性得分矩阵PSSM，该PSSM矩阵是一个l行20列的矩阵，从而将G蛋白偶联受体一级结构信息转换为矩阵形式，表达如下：

其中：A、R、...、V表示20种常见氨基酸残基，o_i,j表示蛋白质第i个氨基酸残基在进化过程中突变成20种常见氨基酸残基中的第j种氨基酸残基的可能性；

然后对进行归一化处理，使用下式的sigmoid函数对中的每一个值进行逐行标准化处理：

f(x)=11+exp(-x)---(2)]]>

标准化后的PSSM，表达如下：

再次，对于标准化后的PSSM矩阵，使用PsePSSM算法将不等长的PSSM矩阵转化为能够表达G蛋白偶联受体进化信息的等长特征向量，具体方法如下：

(1)对P_pssm的每一列求均值，得到一个20维的特征向量：

C_PSSM＝(p₁,p₂,…,p_j,…,p₂₀)(4)

其中

(2)在P_pssm深入挖掘G蛋白偶联受体进化信息中不同层次的序列排序信息λ^g，这里的g表示抽取g层的序列排序信息，表达如下：

λk=(λ1k,λ2k,...,λjk,...,λ20k)---(5)]]>

其中K表示可以挖掘序列排序信息的最大层次，至此可获得K个不同层次的序列排序信息；

(3)最后将C_PSSM与K个不同层次的序列排序信息串行组合起来，得到G蛋白偶联受体的PsePSSM特征向量PsePSSM^K：

PsePSSM^K＝(C_PSSM,λ¹，λ²，λ^K)^T (6)

B.从药物结构信息视角抽取药物分子结构的指纹信息

对于给出的药物，根据药物ID从KEGG数据库获得含有对应分子结构信息的MOL文件，然后通过OpenBabel工具将MOL格式文件转换成FP2指纹格式的信息，其中，FP2为OpenBabel的一个参数设置，FP2指纹格式是一个256位的16进制字符串；然后，使用Wavelet工具对药物的指纹信息进行去噪，其中Wavelet工具选择Haar小波；最终得到一个描述药物分子结构的128维的药物指纹特征向量fingerprint；

C.最后将上述步骤得到的特征向量PsePSSM^K和特征向量fingerprint串行组合起来，至此可得到G蛋白偶联受体-药物信息的特征向量，其维数为(20+K×20)+128；

步骤3：根据步骤2的方法将训练数据集合中所有G蛋白偶联受体-药物信息进行多视角特征表示，形成训练样本集合，其中，所有具有交互作用的G蛋白偶联受体-药物为正样本集，其他为负样本集；然后使用随机森林算法(Random Forest)将训练样本集合训练成一个G蛋白偶联受体-药物交互作用RF预测模型；

步骤4：对于每对待预测交互作用的G蛋白偶联受体-药物信息，通过步骤2得到此G蛋白偶联受体-药物的多视角特征表示，形成待预测样本集合；然后使用步骤3中的G蛋白偶联受体-药物交互作用RF预测模型进行存在交互作用的概率预测，最终输出预测概率；以及

步骤5：对于步骤4中待预测的G蛋白偶联受体-药物信息，根据步骤4中的输出概率进行后处理学习，最终直接得出该G蛋白偶联受体-药物信息是否存在交互作用的判断。