[发明专利]GPCR药物靶标生物学功能预测方法及其应用

权利要求书

1.GPCR药物靶标生物学功能预测方法，其特征在于：包括如下步骤：

S1、获取GPCR特征信息，并将各特征信息形成对应视图；

S2、利用归纳矩阵补全的方法针对GPCR的特征视图进行性能评价，找出对于模型构建有效的特征信息；补全除已知部分GPCR-GO关系矩阵外的潜在的GPCR-GO关系，从而寻找中存在真实关系的部分，用于预测GPCR的生物学功能；

所述S2中矩阵补全法包括如下步骤：

S21、首先建立模型关系：，其中，是个GPCR的特征矩阵，表示第i个GPCR的特征向量，是个GO的特征矩阵，表示第j个GO的特征向量；

S22、根据已知的GPCR-GO关系矩阵P，补全潜在的具有真实关系的低秩矩阵，且，,， 表示正则化项，为损失函数，用于估计预测的偏离程度；

S23、随机初始化,，随后固定值，利用式S21中的模型关系迭代更新，直到达到最优解；固定的值迭代更新达到最优解，最后的输出为和的矩阵，利用预测出第i个GPCR与第j个GO的关系值；

S24、使用三折交叉方法对已知的GPCR、GO关系进行分组做性能的测量并对各个视图的预测性能进行排序；

S25、通过逐步叠加的方法对排序的特征进行组合；

S26、对组合的特征进行性能的预测并比较，直至找到最优组合，完成矩阵的补全；

其中，W：随机初始化矩阵，H：随机初始化矩阵；X：表示GPCR样本特征空间；Y：表示GO标记特征空间；k：表示GPCR-GO关系矩阵的秩，不同的秩对于模型的影响不同，需要选择最优的秩使得模型性能达到最优，Ngr：表示GPCR蛋白质样本个数；Ngo：表示GO term标记个数。

2.如权利要求1所述的GPCR药物靶标生物学功能预测方法，其特征在于：所述S2中已知的GPCR-GO关系矩阵为：，其中表示GPCR的总数，为关系矩阵的行数，为GO的总数，为关系矩阵的列数，当表示GPCR i和GO j有关系，时表示暂时未发现关系。

3.如权利要求1所述的GPCR药物靶标生物学功能预测方法，其特征在于：所述S1中特征信息包括GPCR的文本信息、结构域文本信息、进化信息、二级结构信息、序列信息、序列近程和远程相关性信息、物理化学信息。