一种基于有界核范数正则化的新冠肺炎药物筛选模型

    公开(公告)号:CN113921106A

    公开(公告)日:2022-01-11

    申请号:CN202110809155.X

    申请日:2021-07-16

    Abstract: 本发明公开了一种基于有界核范数正则化的新冠肺炎药物筛选模型。首先,通过公开可用的数据库整理方法所需要的病毒和药物的相关信息;其次,分别计算病毒和药物的相似性;再次,构建异构网络,整合邻接矩阵;第四,提出VDA‑GBNNR模型,填补病毒与药物之间的未知的关联,根据得分排名先后筛选出抗新冠病毒的候选药物;最后,将预测出的排名靠前的小分子药物与受体蛋白进行分子对接,得到分子结合能与结合位点。本发明通过结合核范数正则化来实现有噪声的矩阵补全,有效地解决了过拟合问题,并且加入一个范围约束,强制所有预测结果的输出矩阵内的所有值在特定范围内。实验结果表明,该方法得到的AUC值较高,能够较为准确地预测病毒与药物的关联。

    一种基于有界核范数正则化的新型冠状病毒感染引起的肺炎药物筛选模型

    公开(公告)号:CN113921106B

    公开(公告)日:2025-04-25

    申请号:CN202110809155.X

    申请日:2021-07-16

    Abstract: 本发明公开了一种基于有界核范数正则化的新型冠状病毒感染引起的肺炎药物筛选模型。首先,通过公开可用的数据库整理方法所需要的病毒和药物的相关信息;其次,分别计算病毒和药物的相似性;再次,构建异构网络,整合邻接矩阵;第四,提出VDA‑GBNNR模型,填补病毒与药物之间的未知的关联,根据得分排名先后筛选出抗新型冠状病毒的候选药物;最后,将预测出的排名靠前的小分子药物与受体蛋白进行分子对接,得到分子结合能与结合位点。本发明通过结合核范数正则化来实现有噪声的矩阵补全,有效地解决了过拟合问题,并且加入一个范围约束,强制所有预测结果的输出矩阵内的所有值在特定范围内。实验结果表明,该方法得到的AUC值较高,能够较为准确地预测病毒与药物的关联。

Patent Agency Ranking