[发明专利]一种基于药物多维相似度的药物交互作用预测方法

权利要求书

1.一种基于药物多维相似度的药物交互作用预测方法，该方法包括：

一、基于所述多维度药物相似性特征构建基于马氏距离的SVM分类器；

步骤1：获取已知药物交互作用类型的药物对；

步骤2：计算每对药物中不同药物间的多维度相似性；

步骤3：基于多维度药物相似性度量及药物交互作用已知类别学习马氏距离变换矩阵；

步骤4：基于马氏距离变换后的数据，构建三类别药物交互作用的SVM分类器；

二、基于上述构建好的SVM分类器预测任意多个(2个以上)候选药物中每两个药物间的相互作用；

针对多个候选药物中任意两种DrugBank数据库内具有靶标、二维结构及ATC编码信息的药物,基于步骤2相同方法计算两个药物间的多维相似度；基于步骤3已经获得的马氏距离矩阵对多维相似度进行数据变换后带入步骤4内的分类器，获得这两个药物属于每一种药物相互作用类型的概率值，其中三类药物相互作用对应概率值的和为1，且利用概率值最大的药物相互作用类别作为预测获得的药物相互作用类别，即输入的两个药物属于协同、拮抗、独立中一种药物交互作用类型。

2.如权利要求1所述的预测方法，其特征在于：

已知药物交互作用的药物对来源于如下数据库：

-DCDB数据库中药物靶标均已知的协同药物对至少100对；

-从DrugBank数据库中的药物交互作用中随机选取的拮抗药物对至少100对；

-从DrugBank药物中随机产生的不属于DCDB数据库及DrugBank药物交互作用的独立药物对至少100对；

-保证三类药物交互作用数目相等。

3.如权利要求1所述的预测方法，其特征在于，所述步骤2多维度药物相似性计算包括以下步骤：

步骤21：基于药物的分子描述符计算药物相似性；

步骤22：基于药物的二维结构计算药物相似性；

步骤23：基于药物靶标计算药物相似性；

步骤24：基于药物ATC编码计算药物相似性；

步骤25：基于药物靶标所在通路计算药物相似性；

步骤26：基于药物靶标在蛋白质交互作用网络中邻居节点计算药物相似性；

步骤27：整合基于不同特性的药物相似性度量结果获得124维的多维度药物相似性。

4.如权利要求3所述的预测方法，其特征在于，所述步骤21中分子描述符相似性计算如下：

其中，d₁、d₂代表任意两个药物，MD₁^d至MD_n^d表示药物d的n个不同分子描述符。

5.如权利要求3所述的预测方法，其特征在于，所述步骤23包括以下步骤：

步骤231：利用DrugBank数据库获得药物的靶标集合；

步骤232：基于两个药物共享靶标占靶标并集的比例计算药物相似性geneS1；

其中d₁、d₂代表任意两个药物，T_d表示药物d的靶标集合；

步骤233：基于药物靶标的基因本体(Gene Ontology：GO)语义相似性计算药物相似性，其中，利用Python的pyGS2包获得药物靶标集合对应的GO集合，并通过pyGS2包计算GO语义相似性,记为geneS2；

步骤234：基于靶标在蛋白质交互作用网络中的最短路径长度计算药物相似性geneS3：

其中，T_d1、T_d2分布代表药物d₁、d₂的靶标集合，t₁、t₂分别为靶标集合中任意一个成员，d(t₁,t₂)表示靶标t₁、t₂在PPI网络中的最短路径长度。