[发明专利]基于相互作用指纹和机器学习的药物靶标的虚拟筛选方法

摘要

本发明涉及一种基于相互作用指纹和机器学习的药物靶标的虚拟筛选方法，该方法在传统的分子对接的基础上，通过机器学习对已知活性及非活性小分子与靶标蛋白的相互作用指纹进行训练得出靶标的筛选模型，利用所得模型进行虚拟筛选。本发明针对具体靶标进行专项训练，充分考虑每种靶标的特异性，避免了传统打分函数拟合不足的缺陷；计算每个小分子与结合口袋中每个残基的相互作用能，有利于发现有效的结合位点或结合方式；利用机器学习进行非线性拟合，相较于线性拟合更有利于处理各个相互作用能之间的关联或耦合作用；利用本发明，更有利于活性分子的富集。

主权项

1.一种基于相互作用指纹和机器学习的药物靶标的虚拟筛选方法，其特征在于，该方法包括以下具体步骤：步骤1：从CHEMBL、BindingDB或DUD‑E数据库或文献中提取靶标的活性数据；步骤2：对活性分子和非活性分子进行相似性分析，以保证活性与非活性数据的多样性；步骤3：分子对接，利用薛定谔分子对接软件进行分子对接，每个小分子只保留打分最好的构象；步骤4：计算找出结合口袋附近的氨基酸残基；步骤5：计算每个小分子与结合口袋中的氨基酸残基的相互作用能，形成相互作用能矩阵；步骤6：统计相互作用能矩阵中每个元素出现的概率，去除出现频率小于0.1的元素，形成相互作用指纹；步骤7：生成支持向量机输入文件，利用网格搜索和交叉验证寻找最优参数；步骤8：利用步骤7得到的最优参数，交叉验证评估模型；步骤9：利用步骤7得到的最优参数，训练全部样本，得到筛选模型；步骤10：利用筛选模型进行虚拟筛选。