一种基于深度森林和PU学习的药物-靶标关系预测方法

发明专利有效专利

申请号：
CN202011423290.2
IPC分类号：G16B5/00;G16B15/30;G16B30/10;G16B40/00;G06F17/16
申请日期：
2020-12-08
申请人：
湖南工业大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度森林和PU学习的药物-靶标关系预测方法
申请号	CN202011423290.2	申请日期	2020-12-08
法律状态	实质审查	申报国家	中国
公开/公告日	2021-04-13	公开/公告号	CN112652355A
优先权	暂无	优先权号	暂无
主分类号	G16B5/00	IPC分类号	G;1;6;B;5;/;0;0;;;G;1;6;B;1;5;/;3;0;;;G;1;6;B;3;0;/;1;0;;;G;1;6;B;4;0;/;0;0;;;G;0;6;F;1;7;/;1;6查看分类表>
申请人	湖南工业大学	申请人地址	湖南省株洲市泰山路88号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	湖南工业大学	当前权利人	湖南工业大学
发明人	彭利红;田雄飞;周立前;王娟娟
代理机构	广州粤高专利商标代理有限公司	代理人	杨千寻;杜梅花

摘要

本发明提出了一种基于深度森林和PU学习的药物‑靶标关系预测方法,包括以下步骤：S1、获取药物的结构信息、靶标的序列信息和已知的药物‑靶标关系；S2、基于药物结构信息和靶标序列信息分别构建药物之间的相似性矩阵和靶标之间的相似性矩阵；S3、采用PU学习来筛选潜在的药物‑靶标负相关关系；S4、基于相似的药物共享相似的靶标的假设，使用深度森林模型对药物‑靶标关系进行预测。本发明能够更准确的预测药物‑靶标关系，能够减少生物实验所需的时间和资源，为药物发现和药物重定位提供了研究基础。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供