[发明专利]基于BNMC和TLHN的药物-微生物预测方法

说明书

本发明涉及药物‑微生物技术领域，尤其涉及基于BNMC和TLHN的药物‑微生物预测方法，包括：使用BNMC算法对原始的微生物‑药物关联进行缺失条目的填补；基于新的药物‑微生物关联矩阵，采用高斯径向基函数(RGB)计算出药物和微生物的高斯相互作用谱核相似性；将新的药物‑微生物关联信息、微生物‑疾病关联信息、药物相似性信息、微生物相似性信息和疾病的高斯相互作用谱核相似性信息集成到一个三层异构网络中。本发明提出一种新的药物‑微生物关联预测的方法，通过将本发明与其他六种方法在留一交叉验证和5折交叉验证中对比，本发明有着更高的预测效果。

技术领域

本发明涉及药物-微生物技术领域，尤其涉及基于BNMC和TLHN的药物- 微生物预测方法。

背景技术

微生物是一类单细胞或多细胞微生物；微生物群落主要由细菌、病毒、古细 菌、真核生物和原生动物组成，微生物群落在维持人类健康方面起着重要作用， 如协调促进新陈代谢，抵御病原体，以及产生人体必需维生素和基因；这些微 生物在维持生物体内部环境的内稳态方面起着关键作用，因此微生物群落中的 不平衡或生态功能失调可能导致人类各种非传染性疾病，例如肥胖糖尿病、类 风湿性关节炎、和全身炎症反应综合征甚至是癌症。越来越多的研究表明，微 生物群落的失调或失衡与疾病的发展密切相关，微生物群落是疾病的重要致病 因素；因此，微生物被认为是精准医学的新治疗靶点；微生物与药物的关系研 究有助于药物的开发和人类疾病的诊断和治疗；然而，随着越来越多严重威胁 人类健康的耐药微生物的出现，有必要大规模地识别微生物与药物之间的联系， 以促进药物的开发。最近研究发现，许多微生物和药物之间存在联系；例如， 肠道内的微生物“β-葡萄糖醛酸酶”通过激活排泄的、不活跃的代谢物来帮助伊 立替康治疗结直肠癌。微生物“β-葡萄糖醛酸酶”是一种有效的抑制剂，可降低 cpt-11的毒性；Voordeet等人证明，猪鼻支原体能表达核苷类似分解代谢酶，从 而降低药效。Zimmermann等人发现，肠道细菌(拟杆菌)是一种增殖的药物代 谢剂，可代谢多种药物，如地尔硫卓。

近年来，大量经过实验验证的微生物-药物关联已经发表在多个数据库中，例 如药物-微生物关联数据库MDAD(Drug-microbe Association Database)和 aBiofilm；这些数据库提供了大量的生物数据，可用于计算预测微生物和药物之 间的许多关联；有几种预测药物-微生物关联的计算方法，例如Long等人提出 的GATMDA模型；基于归纳矩阵补充和图形注意网络预测人类微生物疾病关 联；Long等人还提出了一个EGATMDA模型，该模型使用具有分层注意机制的 集成图注意网络框架构建的多个微生物-药物图来预测微生物-药物关联；还有一 个GCNMDA模型将条件随机场设计成图形卷积网络框架来预测微生物-药物关 联；Long等人提出了HNERMDA模型，该模型使用异构网络表示学习方法 metapath2vec来预测药物-微生物关联。

目前关于药物-微生物关联预测方法的研究还存在有以下缺陷：

1、尽管有大量的研究人员证明了微生物与药物之间的联系，但他们对两者 之间复杂关联机制的阐明仍然不够充分，因此，这种情况导致新的药物的开发 进展缓慢；

2、传统的基于培养基的微生物药物关联验证方法通常耗时、费力且成本高 昂；

3、深度学习的应用在预测性能方面非常有效；然而，用于药物-微生物关联 预测的方法仍然太少，不够全面。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明所采 用的技术方案是：基于BNMC和TLHN的药物-微生物预测方法包括以下步骤：

步骤一、使用有界非负矩阵补全(BNMC)算法对原始的微生物-药物关联进 行缺失条目的填补，得到关联信息更为丰富的药物-微生物关联矩阵；对原始的 微生物-疾病关联得到微生物-疾病关联矩阵；

进一步的，详细过程包括：