基于异质信息网络元路径的药物‒靶标相互作用预测模型

提出一种融合元路径信息的图神经网络模型, 用于预测药物-靶标相互作用(GMDTI)。首先根据8个数据集中的药物、靶标、疾病和副作用数据以及它们之间的8种作用关系, 构建药物-靶标异质信息网络(HIN); 然后定义两条元路径来捕获药物-靶标HIN 中的不同子结构信息和不同节点间隐藏的语义信息, 并应用图神经网络的方法聚合节点的一阶邻居信息和元路径中节点间的语义信息; 最后利用端到端的学习方法完成DTIs预测。该方法同时考虑药物-靶标HIN的结构特性和元路径语义信息, 有助于学习到更多潜在的药物-靶标作用关系。实验结果表明, GMDTI的预测准确率高于所有基线模型, AUC达到98.6%, AUPR达到94.5%。同时通过调整数据的稀疏度和降噪实验, 证明GMDTI具备优于所有基线模型的鲁棒性。     

球形演化极限学习机在药物—靶标相互作用智能预测中的应用

为解决药物研发中湿法实验耗时长且高成本等问题，采用机器学习预测药物-靶标相互作用。同时，为解决机器学习在建立药物-靶标相互作用模型时，受到分类器的类不平衡和参数优化等各种问题的制约。文章提出了一个基于球形演化极限学习机的药物-靶相互作用预测方法(SEELM-DTI),该方法主要使用筛选法选择高置信负样本、利用球形演化算法对极限学习机的参数进行优化。该研究将SEELM-DTI与SELF-BLM、NetLapRLS、WNN-GIP、SPLCMF、BLM-NII在基准数据集中进行试验比较，评价指标为AUC与AUPR。实验结果表明：SEELM-DTI的性能和效果优于其他基准算法，并且解决了类不平衡和参数优化问题，最后在常用的多个药物数据库上验证了SEELM-DTI预测药物-靶标相互作用的效果。     

一种融合多组学数据的关键蛋白质预测算法

关键蛋白质在维持生物体的生理活动中发挥着重要的作用，预测关键蛋白质有助于设计药物分子靶标.随着高通量技术的发展，基于蛋白质相互作用关系数据采用计算方法识别关键蛋白质成为当前的热门研究.研究表明，将蛋白质相互作用网络与其他生物学信息结合起来能够更有效地识别关键蛋白质.因此，本研究提出一种整合蛋白质相互作用数据、基因本体注释信息、蛋白质亚细胞定位信息及蛋白质结构域信息的识别关键蛋白质的新方法TGSD.为了评估新算法的有效性，选取4组常用的酵母测试数据集进行仿真实验，详细比较TGSD方法与其他7种经典方法的识别效果.数值结果显示，TGSD在预测正确关键蛋白质数目和准确率等统计指标上明显优于其他算法.     

基于频率值传播的药物副作用发生频率预测方法

确定药物副作用发生频率是药物风险-效益评估的关键问题.随机对照临床试验方法性能有限且成本昂贵.随着药物临床试验数据的增加,基于数据驱动计算方法研究药物-副作用关系成为可能.文章提出一种基于药物-副作用协同传播模型的药物副作用发生频率预测方法.该方法基于已知的药物副作用发生频率信息构建相似网络,基于已知频率信息在网络中高阶协同传播过程预测药物副作用发生频率.此外,提出一种基于邻域学习的相似网络构建方法,进一步提升模型预测性能.在SIDER 4.1和ADReCS 3.1中获得的真实的药物-副作用频率数据集上进行实验,相较于现有最优方法,提出的方法在均方根误差和平均绝对误差指标上分别下降了6.98%、7.23%.     

基于网络药理学的白鲜皮抑菌活性成分研究

基于网络药理学分析白鲜皮发挥抑菌作用的物质基础.通过中药系统药理学数据库与分析平台(TCMSP)、中国知网和万方数据库检索白鲜皮中的化学成分,然后利用Molinspiration Property Calculator查看白鲜皮化学成分的成药性质,通过对比类药五规则筛选白鲜皮的活性化学成分,SwissTargetPrediction预测白鲜皮中活性成分作用的靶点,然后再通过Uniprot蛋白数据库进一步筛选与抑菌相关的靶点,建立靶点数据集;使用Cytoscape 3.7.0软件构建"成分-靶点"网络,并根据度值筛选出关键靶点.共收集到白鲜皮化学成分110个,作用于20个靶标,涉及Phosphatidylinositol 4,5-bisphos-phate 3-kinase catalytic subunit delta isoform(PIK3 CA),Arachidonate 5-lipoxygenase(ALOX5),Arachidonate 15-lipoxygenase(ALOX15)和Prostaglandin G/H synthase 2(PTGS2)等.本研究结果预测了白鲜皮发挥抑菌活性的药效物质基础,白鲜皮以多成分和多靶点的协同作用发挥抑菌作用,为进一步揭示其作用机制提供了科学依据.     

基于DNA结合特异性权重矩阵的TAL效应物靶标预测

计算预测出TAL效应物的候选靶标有助于高效地确定TAL效应物的靶基因,进而阐明TAL效应物的生物学功能,但是目前在TAL效应物靶标计算预测方面的研究仍然很少.为了设计出预测TAL效应物靶标的有效算法,基于TAL效应物的已知靶标数据,构建了TAL效应物靶点的RVD-核苷酸关联矩阵,并将RVD-核苷酸关联矩阵归一化成RVD特异性概率矩阵,为靶标预测构造新的打分函数.实验结果表明,改进的TAL效应物靶标预测算法对大部分已知靶标预测的打分排名比已有算法更靠前,并且结合基因表达数据可以预测出TAL效应物的新的候选靶标.     

基于网络药理学与分子对接探索人参-五味子配伍治疗特发性肺间质纤维化的分子机制

基于网络药理学与分子对接方法,探讨中药人参-五味子配伍治疗特发性肺间质纤维化(idiopathic pulmonary fibrosis,IPF)的潜在分子机制.通过GeneCards、CTD、GEO等数据库预测IPF疾病靶标基因,从TCMSP平台筛选人参-五味子有效活性成分及其治疗靶标,构建中药-活性成分-靶标基因调...     

基于多度量融合的微博转发行为预测方法

文章提出了一种基于多度量融合的微博转发行为预测方法(MRBP-MMF),该方法提取用户微博特征,设计了转发行为习惯度、历史微博认同度、微博内容相似度和转发行为相似度计算方法,并综合多种度量标准预测用户转发行为。在实际微博数据集上实验发现,MRBP-MMF方法对用户转发行为的预测灵敏度比融合前平均高出12%,分别比预测模型3:基于情感主题模型(The Third Prediction Model-Emotion topic based Model,PM3)和多异质扩散关系网络转发行为(Retweeting Behavior on Multiple Heterogeneous Diffusion Relation Networks,RBMHDRN)平均高出4%和0.7%,在训练数据较少的情况下,MRBP-MMF方法更具优越性。实验结果表明,MRBPMMF方法预测灵敏度高于基于微博正文或用户情感的转发行为预测方法。     

基于网络药理学研究厚朴-杏仁治疗哮喘的潜在作用机制

本研究采用网络药理学方法分析厚朴-杏仁配伍治疗哮喘的潜在作用机制。通过BATMAN-TCM数据库检索厚朴、杏仁的中药化学成分及靶标信息,PALM-IST数据库搜索疾病靶标信息,string数据库构建靶标的蛋白质相互作用网络,利用Cytoscape v3.5.1对药物靶标相互作用进行可视化分析,DAVID数据库和Cytoscape v3.5.1的ClueGO+CluePedia插件对药物关键靶标进行GO生物功能富集分析和KEGG信号通路富集分析。共检索到厚朴-杏仁化合物51个,靶标435个,哮喘疾病相关靶标415个,进而分析得到药物治疗疾病关键靶标14个,包括肿瘤坏死因子、过氧化氢酶、白介素13、β2肾上腺素能受体等;GO基因功能分析主要涉及应激反应调控、先天性免疫反应调控、防御反应、急性炎症反应、刺激反应、凝血止血调节、自我内稳定、活性氧代谢过程等生物过程;KEGG分析主要参与NF-κB、IL-17、FcεRI、Toll受体及FoxO等信号通路。厚朴-杏仁能通过多个靶点、多种途径、多条通路对哮喘的气道慢性炎症、气道重塑和气道高反应起潜在治疗作用。     

时态网络节点相似性度量及链路预测算法

详细分析和阐述了时态网络中的链路预测问题，将时态网络按时间顺序划分为具有相同时间间隔的多层网络快照序列.针对基于共同邻居的相似性指标对网络链路刻画粒度较粗糙的问题，提出了基于邻居节点聚类系数的相似性度量指标NCC和NCCP，并基于此提出时态网络链路预测算法.通过在真实数据集上的对比实验验证了利用邻居节点的聚类信息可以提高预测精度.利用真实邮件数据集验证了所提出的链路预测算法预测效果的优越性，并且实验结果证明越接近预测时间的网络结构对预测结果影响越大.