[发明专利]一种基于自加权多核学习的药物副作用识别方法

权利要求书

1.一种基于自加权多核学习的药物副作用识别方法，其特征在于，包括以下步骤：

步骤1：数据获取：自数据库收集信息；所述自数据库收集信息包括同时具有靶向蛋白和副作用信息的药物信息、药物-蛋白质相互作用信息，靶向蛋白信息、药物副作用关系信息，副作用信息；数据来源于Mizutani数据库，所述Mizutani数据库收集了同时具有靶向蛋白和副作用信的658种药物信息、5074种药物-蛋白质相互作用，1368种靶向蛋白、49051种药物副作用关系，1339种副作用；

步骤2：基于步骤1的数据进行药物核矩阵和副作用核矩阵的构建：构建表示药物种类的数据集合，构建副作用种类的数据集合，构建药物与副作用之间的关系矩阵；

计算所述关系矩阵的四种相似性数据，四种相似性数据分别为高斯相互作用属性核(GIP)、相关系数核(Corr)、余弦相似度核(COS)和互信息核(MI)，根据计算得到的四种相似性数据生成药物属性空间的核矩阵和副作用属性空间的核矩阵；

步骤3：依据步骤2得到的药物属性空间的核矩阵和副作用属性空间的核矩阵，建立自加权的多核学习的目标函数，迭代更新得到药物最优核矩阵和副作用最优核矩阵，应用最近邻的方法扩展药物属性空间的核矩阵和副作用属性空间的核矩阵，此时，应用高斯场和调和函数方法最小化目标函数，不断迭代更新，最终得到预测的药物副作用关系矩阵。

2.根据权利要求1所述的一种基于自加权多核学习的药物副作用识别方法，其特征在于，所述步骤2中还包括以下步骤，使用药物-子结构关系矩阵生成四种药物属性核，使用药物-靶点关系矩阵生成四种药物属性核，将这八种药物属性核与使用药物-副作用关系矩阵生成的四种药物属性核一同代入到步骤3中计算。

3.根据权利要求1所述的一种基于自加权多核学习的药物副作用识别方法，其特征在于，所述药物的化学结构编码采用分子指纹，所述分子指纹由PubChem数据库中定义的多种化学子结构组成。

4.根据权利要求3所述的一种基于自加权多核学习的药物副作用识别方法，其特征在于，所述步骤2包括以下详细步骤：

用D＝{d₁,d₂,…,d_n}表示n种药物的集合，d表示药物，S＝{s₁,s₂,…,s_m}表示m种副作用的集合，s表示副作用；

n×m的邻接矩阵F表示药物和副作用之间的关系矩阵，F_i.j(1≤i≤n,1≤j≤m)是F邻接矩阵的元素，当药物d_i存在副作用s_j时，F_i.j＝1；否则，F_i.j＝0，对于药物d_i，使用副作用表示为F_di，是一个长度为m的二元向量，向量中每一个元素的值为1或者0；

高斯相互作用属性核(GIP)具体表示为：

和分别是使用副作用表示的药物d_i和药物d_k的二元向量，γ表示高斯核的带宽；

相关系数核(Corr)表示为：

表示为与的协方差，表示为的方差，表示为的方差；

余弦相似度核(COS)表示为：

互信息核(MI)表示为：

u∈0,1并且v∈0,1，对于在副作用空间上的药物变量，0表示药物没有该副作用，1表示药物有该副作用，f(u)表示u在中的可观测的频率，f(v)表示v在中的可观测的频率，f(u,v)表示相对观测的频率。