-
公开(公告)号：CN111916145B
公开(公告)日：2022-03-11
申请号：CN202010725014.5
申请日：2020-07-24
Applicant: 湖南大学
Abstract: 本发明属于生物信息学领域，公开了基于图表示学习的新冠病毒靶标预测和药物发现方法，通过构造包含药物、靶标、副作用、疾病之间的作用关系的异构网络，并使用图卷积神经网络集成它本身及其各种领域拓扑结构信息，并结合注意力机制来反映不同类型的邻域信息对节点的重要程度，进而学习节点自身的特征表示，最后通过拓扑重建过程来强制提取药物和靶标的特征表示，得到边权表示关系作用强度的重定位网络。根据个别抑制新冠病毒的药物在这个重定位网络中的潜在关系，预测新型冠状病毒的靶标，并筛选出可能抑制新型冠状病毒的药物。通过这种方式，本发明能较为有效地筛选出可能抑制新型冠状病毒的药物，加快药物研发，具有十分重要的推广应用价值。
-
公开(公告)号：CN111524546B
公开(公告)日：2022-05-03
申请号：CN202010288303.3
申请日：2020-04-14
Applicant: 湖南大学
Abstract: 本发明属于计算机技术应用领域，公开了一种基于异构信息的药物‑靶标相互作用预测方法。在已知药物‑靶标、药物‑药物和靶标‑靶标的关系矩阵的前提下，通过构建药物和靶标的可变特征表示，重建各关系矩阵。将各重建矩阵与原矩阵之差作为误差矩阵，将各误差矩阵逐元素求平方后再逐元素加和作为重建误差。将重建误差反向求导，通过梯度下降的方法同步更新变量，使重建误差逐渐收敛到最小。取重建误差最小化时的重建药物‑靶标关系矩阵，与原关系矩阵进行对比即可得到新预测出的药物‑靶标相互作用关系。本发明可以充分整合药物和靶标相关的异构信息，为计算机辅助药物发现和药物重定位提供有力的工具，具有良好的应用前景。
-
公开(公告)号：CN111524546A
公开(公告)日：2020-08-11
申请号：CN202010288303.3
申请日：2020-04-14
Applicant: 湖南大学
Abstract: 本发明属于计算机技术应用领域，公开了一种基于异构信息的药物‑靶标相互作用预测方法。在已知药物‑靶标、药物‑药物和靶标‑靶标的关系矩阵的前提下，通过构建药物和靶标的可变特征表示，重建各关系矩阵。将各重建矩阵与原矩阵之差作为误差矩阵，将各误差矩阵逐元素求平方后再逐元素加和作为重建误差。将重建误差反向求导，通过梯度下降的方法同步更新变量，使重建误差逐渐收敛到最小。取重建误差最小化时的重建药物‑靶标关系矩阵，与原关系矩阵进行对比即可得到新预测出的药物‑靶标相互作用关系。本发明可以充分整合药物和靶标相关的异构信息，为计算机辅助药物发现和药物重定位提供有力的工具，具有良好的应用前景。
-
公开(公告)号：CN111916145A
公开(公告)日：2020-11-10
申请号：CN202010725014.5
申请日：2020-07-24
Applicant: 湖南大学
Abstract: 本发明属于生物信息学领域，公开了基于图表示学习的新冠病毒靶标预测和药物发现方法，通过构造包含药物、靶标、副作用、疾病之间的作用关系的异构网络，并使用图卷积神经网络集成它本身及其各种领域拓扑结构信息，并结合注意力机制来反映不同类型的邻域信息对节点的重要程度，进而学习节点自身的特征表示，最后通过拓扑重建过程来强制提取药物和靶标的特征表示，得到边权表示关系作用强度的重定位网络。根据个别抑制新冠病毒的药物在这个重定位网络中的潜在关系，预测新型冠状病毒的靶标，并筛选出可能抑制新型冠状病毒的药物。通过这种方式，本发明能较为有效地筛选出可能抑制新型冠状病毒的药物，加快药物研发，具有十分重要的推广应用价值。
-
-
-
Search Results
4
records
(took 0.013 seconds)
