基于DBN的药物靶向蛋白质作用预测研究

发布时间：2021-04-14 22:55

　　蛋白质是生物机体内重要的物质,它是生命活动的主要承担者。绝大多数药物进入机体后都是通过与蛋白质发生相互作用进而对人体产生作用。药物与生物大分子相互结合、作用的部位称为药物靶点。根据多向药理学可知,药物可能存在多个药物靶点,而且多数的药物靶点都是由蛋白质组成的,因此对药物与蛋白质相互作用预测的研究,有利于药物重定位、缩短药物的开发时间。传统的药物靶向蛋白质作用研究采用生物实验方法确认药物与蛋白质是否会发生相互作用,这种方式需要耗费大量的成本与时间。由于基于计算方法的药物与蛋白质的相互作用预测方法可以极大地降低预测成本,所以使用计算机模拟、模式识别等手段预测药物与蛋白质的相互作用成了一项重要的研究工作。目前已有大量的基于计算方法的药物与蛋白质的相互作用预测方法的研究。本文提出了一种基于深度置信网络的药物-蛋白质相互作用预测算法:从药物的分子结构出发,提取药物的扩展连通指纹,从蛋白质的氨基酸序列出发,提取了蛋白质的三肽结构特征,将药物的扩展连通指纹和蛋白质的三肽结构特征两两拼接,构成一个药物-蛋白质特征向量,之后输入到深度置信网络中进行训练,网络的输出为网络输入的药物-蛋白质对发生相互作用的... 

【文章来源】：华南农业大学广东省

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

论文组织结构

、偏好和物品内容进行推荐，传统的推荐技术存开始出现将推荐技术和深度学习相互结合以提测主要使用光谱法、平衡透析法等实验验证的方计算机技术与生物信息技术的不断发展，两者计算机技术辅助以解决生物学的问题的研究。，基于计算方法的 DTI 预测可以分为两大类：基荐技术具有相似性，都是利用物体间的相互关联户评分进行预测，因此目前已有大量的利用推荐深度学习的 DTI 预测的研究则是伴随着深度学基于药物和蛋白质的结构信息而展开相关研究进行 DTI 预测。

问题本质与推荐技术相似，推荐技术在用户和物品两个实体下是在药物和蛋白质两个实体下进行预测，它们都是在已知的已知的作用关系下进行的。因此推荐技术已经开始用在 DTI 可以划分为三个方向：基于协同过滤、隐语义模型和网络的方测研究方法都是基于隐语义模型和网络的方法。滤（Collaborative Filtering，CF）算法是最常见且常用的推荐算的不同，可以划分为基于用户和基于物品的 CF 算法。对于 D户、物品替换为药物、蛋白质（林耀进等，2015）。

【参考文献】：
期刊论文
[1]蛋白质结构预测[J]. 邓海游,贾亚,张阳.  物理学报. 2016(17)
[2]神经网络七十年:回顾与展望[J]. 焦李成,杨淑媛,刘芳,王士刚,冯志玺.  计算机学报. 2016(08)
[3]基于大数据的精准医疗服务体系研究[J]. 范美玉,陈敏.  中国医院管理. 2016(01)
[4]药物-疾病关系预测:一种推荐系统模型[J]. 汪浩,王海平,吴信东,刘琦.  中国药理学通报. 2015(12)
[5]基于协同过滤的药物重定位算法[J]. 林耀进,张佳,林梦雷,李进金.  南京大学学报(自然科学). 2015(04)
[6]一种基于隐语义概率模型的个性化Web服务推荐方法[J]. 胡堰,彭启民,胡晓惠.  计算机研究与发展. 2014(08)
[7]中国药物研发的新机遇:基于医药大数据的系统性药物重定位[J]. 王可鉴,石乐明,贺林,张永祥,杨仑.  科学通报. 2014(18)
[8]药物重定位——网络药理学的重要应用领域[J]. 张永祥,程肖蕊,周文霞.  中国药理学与毒理学杂志. 2012(06)



本文编号：3138163