一种基于知识图谱的药物适应症拓展方法与流程

摘要: 本发明属于药物研发,具体地说是一种基于知识图谱的药物适应症拓展方法。背景技术:1、目前,现有的医药知识图谱构建与应用方法主要依赖于文献挖掘和已有的生物医学数据库...
一种基于知识图谱的药物适应症拓展方法与流程

本发明属于药物研发,具体地说是一种基于知识图谱的药物适应症拓展方法。

背景技术:

1、目前,现有的医药知识图谱构建与应用方法主要依赖于文献挖掘和已有的生物医学数据库。这类传统知识图谱通常以一维文本或二维拓扑结构存在,图谱中的药物节点和靶点节点仅作为抽象的语义符号(如药物名称、基因代号),节点之间的边则代表基于已有文献统计得出的共现关系或已知的药理逻辑关系。

2、然而,这种基于纯语义和文本关联的传统知识图谱存在显著的技术局限性:

3、药物分子与靶点蛋白在真实生理环境下的结合,本质上是三维空间中的几何形状互补以及电磁场(静电势)的相互作用,传统知识图谱的节点缺乏真实的三维物理空间构象和电荷分布属性,导致其推理过程完全脱离了物理化学本质;这种仅停留在语义层面的推演,无法发现那些在历史文献中从未被报道过、但在物理空间上确实具备结合潜力的全新作用关系,极大地限制了靶点拓展的广度与准确性。

4、虽然现有的分子对接(molecular docking)技术能够进行三维空间计算,但其通常作为孤立的验证工具,针对单一药物和单一靶点进行离线计算,现有的技术架构难以将庞大的三维空间计算(如空间碰撞、静电场积分)与知识图谱的底层数据结构深度融合,无法实现基于纯物理计算结果来驱动图谱网络拓扑结构的动态更新与自主生长。

5、因此,如何打破传统知识图谱的语义局限,将药物与靶点的三维空间坐标及表面静电势等底层物理属性直接融入图谱节点,并通过在虚拟空间中的几何碰撞与静电场计算来动态生成新的图谱关联边,从而实现基于真实物理机制的药物作用位点精准拓展,成为了当前计算生物学与智能药物研发领域亟待解决的技术难题。

6、为此,本发明提供了一种基于知识图谱的药物适应症拓展方法。

技术实现思路

1、为了弥补现有技术的不足,解决背景技术中所提出的至少一个技术问题。

2、本发明解决其技术问题所采用的技术方案是:

3、本发明的目的之一在于,本发明提供了一种基于知识图谱的药物适应症拓展方法,包括:

4、s1、构建初始知识图谱,并基于初始知识图谱构建药物节点和靶点节点分别对应的三维原子坐标矩阵和表面静电势分布矩阵;

5、s2、获取目标药物节点,以及参与细胞功能调控的多个候选靶点节点,在三维虚拟空间中,获取目标药物节点的三维原子坐标矩阵,以及各候选靶点节点的三维原子坐标矩阵,并完成空间坐标对齐;

6、s3、通过空间碰撞检测算法,对目标药物节点与各候选靶点节点进行三维空间几何匹配,计算得到空间互补体积参数,基于表面静电势分布矩阵,计算目标药物节点与各候选靶点节点在最优匹配构象下的静电场重叠积分值;

7、s4、基于空间互补体积参数与静电场重叠积分值,计算得到药物与靶点的分子物理结合置信度;

8、s5、当分子物理结合置信度大于置信度阈值时,在初始知识图谱中生成连接目标药物节点与对应候选靶点节点的新增图谱边,并基于新增图谱边,计算出目标药物对应的有效分子结合关联数据,完成目标药物作用位点拓展。

9、优选的,构建所述初始知识图谱的具体过程为:

10、获取药物分子数据和靶点蛋白数据,将药物分子数据定义为药物节点,将靶点蛋白数据定义为靶点节点,并提取药物节点与靶点节点之间的已知作用关系作为初始图谱边,构建初始知识图谱。

11、优选的,所述基于初始知识图谱构建药物节点和靶点节点分别对应的三维原子坐标矩阵和表面静电势分布矩阵的具体过程为:

12、获取药物节点和靶点节点中各个原子的三维空间坐标,分别构建药物节点对应的三维原子坐标矩阵,以及靶点节点对应的三维原子坐标矩阵,三维原子坐标矩阵中每一行对应单个原子,三列依次对应原子x轴、y轴、z轴空间坐标,基于三维原子坐标矩阵,采用泊松-玻尔兹曼方程计算药物节点和靶点节点的表面电荷分布并映射对应的分子表面网格上,采用溶剂可及表面划分规则生成分子表面网格,分子表面网格步长设置为,分子表面网格坐标与静电势数值一一对应,分别构建药物节点对应的表面静电势分布矩阵,以及靶点节点对应的表面静电势分布矩阵,表面静电势分布矩阵为n×4矩阵,前三列存储网格的三维空间坐标,第四列存储对应的静电势数值。

13、优选的,所述多个候选靶点节点的具体获取过程为:

14、获取初始知识图谱内全部靶点节点,若当前靶点节点与目标药物节点之间不存在直接连接边,或当前靶点节点与目标药物节点存在直接连接边、且二者之间连接置信度低于关联阈值,则判定所述靶点节点通过第一层筛选,若所述靶点节点的属性标签中任意一条匹配细胞增殖、凋亡、信号传导任一标签,则判定所述靶点节点通过第二层筛选;

15、若某一靶点节点同时通过第一层筛选和第二层筛选,则将所述靶点节点作为候选靶点节点,汇总得到多个候选靶点节点。

16、优选的,所述完成空间坐标对齐的具体过程为:

17、在计算机内存中初始化一个三维虚拟空间,三维虚拟空间采用全局笛卡尔坐标系;

18、获取目标药物节点的三维原子坐标矩阵,获取各候选靶点节点的三维原子坐标矩阵;

19、将目标药物节点的三维原子坐标矩阵和各候选靶点节点的三维原子坐标矩阵导入三维虚拟空间中,并将候选靶点节点的三维原子坐标矩阵和目标药物节点的三维原子坐标矩阵中的局部坐标统一映射至全局笛卡尔坐标系下,完成空间坐标对齐。

20、优选的,所述空间互补体积参数的具体计算过程为:

21、在三维虚拟空间中,固定候选靶点节点的三维原子坐标矩阵不变,作为参照基准,对目标药物节点的三维原子坐标矩阵执行平移、旋转变换,完成分子构象采样,生成多组相对空间构象,构象采样参数为:平移步长设置0.2,旋转采用10°间隔遍历x轴、y轴、z轴三轴旋转角度;

22、对每一个相对空间构象,利用空间碰撞检测算法,计算目标药物节点与候选靶点节点之间的原子间距,若原子间距大于等于范德华碰撞阈值,则标记所述相对空间构象为有效匹配构象并保留;

23、针对每一个有效匹配构象,计算目标药物节点的外表面与候选靶点节点的结合口袋内表面之间的几何贴合度,并获取几何贴合度最高的有效匹配构象作为最优匹配构象;

24、几何贴合度=两分子表面重合网格数量÷靶点口袋总网格数的比值乘100%,两分子表面重合网格数量为在当前有效匹配构象下,目标药物节点外表面网格与候选靶点节点结合口袋内表面网格在三维空间中空间距离小于距离阈值的网格点总数,靶点口袋总网格数为候选靶点节点的结合口袋内表面经过网格化处理后包含的网格点总数;

25、在最优匹配构象下,计算目标药物节点侵入候选靶点节点结合口袋的体积,其中,目标药物节点侵入候选靶点节点结合口袋的体积=目标药物节点占据的口袋内体素总数×单个体素体积,将所述体积作为空间互补体积参数;

26、目标药物节点占据的口袋内体素总数为在最优匹配构象下,目标药物分子的原子实体所覆盖的结合口袋内部微小空间网格单元的数量,单个体素体积为对结合口袋内部三维空间进行网格化划分时设定的微小立方体单元的固定体积。

27、优选的,计算所述静电场重叠积分值的具体过程为:

28、从目标药物节点和候选靶点节点中,分别获取表面静电势分布矩阵,在最优匹配构象下,将目标药物节点的表面静电势分布矩阵与候选靶点节点的表面静电势分布矩阵进行空间对齐;

29、获取构象采样阶段对应最优匹配构象的4×4齐次坐标变换矩阵,复用所述4×4齐次坐标变换矩阵,对目标药物节点表面静电势分布矩阵内每一行存储的网格三维坐标同步执行平移、旋转变换,完成空间映射对齐;

30、对空间对齐后的两个表面静电势分布矩阵在接触界面区域进行逐网格的乘积积分运算,计算得到目标药物节点与各候选靶点节点在最优匹配构象下的静电场重叠积分值,接触界面区域定义为目标药物节点和候选靶点节点之间原子间距小于3的全部表面网格集合。

31、优选的,所述物理结合置信度的具体计算过程为:

32、获取目标药物节点与各候选靶点节点匹配对应的空间互补体积参数和静电场重叠积分值;

33、采用极值归一化算法,分别对空间互补体积参数和静电场重叠积分值进行无量纲化映射处理,得到映射至0至1区间的归一化体积参数和归一化静电积分值;

34、获取几何权重系数和静电权重系数,且几何权重系数与静电权重系数之和为1,将归一化体积参数与几何权重系数进行乘积计算,得到几何结合得分,将归一化静电积分值与静电权重系数进行乘积计算,得到静电结合得分,将几何结合得分与静电结合得分进行求和计算,得到目标药物节点与对应候选靶点节点之间的分子物理结合置信度。

35、优选的,所述新增图谱边的具体生成过程为:

36、将目标药物节点与各候选靶点节点之间的分子物理结合置信度,分别与置信度阈值进行比对;

37、将分子物理结合置信度大于置信度阈值的候选靶点节点,标记为有效结合靶点节点,在初始知识图谱中,生成连接目标药物节点与有效结合靶点节点的新增图谱边。

38、优选的,所述完成目标药物作用位点拓展的具体过程为:

39、将分子物理结合置信度、最优匹配构象作为边属性写入新增图谱边,完成图谱更新,最优匹配构象包含全局笛卡尔坐标系的4×4齐次坐标平移旋转变换矩阵、空间互补体积参数、静电场重叠积分值;

40、采用深度优先dfs图遍历算法、限定2层遍历深度并通过已访问节点哈希表去重,提取有效结合靶点节点关联的细胞功能调控标签与下游疾病节点信息;将靶点标识、分子物理结合置信度、细胞功能调控标签、下游疾病节点信息拼接为json键值对格式的有效分子结合关联数据,将所述有效分子结合关联数据进行输出展示或存储,完成目标药物作用位点拓展。

41、本发明的目的之二在于,本发明提供了一种基于知识图谱的药物适应症拓展系统,包括:

42、图谱构建模块:构建初始知识图谱,并基于初始知识图谱构建药物节点和靶点节点分别对应的三维原子坐标矩阵和表面静电势分布矩阵;

43、空间预处理模块:获取目标药物节点,以及参与细胞功能调控的多个候选靶点节点,在三维虚拟空间中,获取目标药物节点的三维原子坐标矩阵,以及各候选靶点节点的三维原子坐标矩阵,并完成空间坐标对齐;

44、三维仿真计算模块:通过空间碰撞检测算法,对目标药物节点与各候选靶点节点进行三维空间几何匹配,计算得到空间互补体积参数,基于表面静电势分布矩阵,计算目标药物节点与各候选靶点节点在最优匹配构象下的静电场重叠积分值;

45、置信度评价模块:基于空间互补体积参数与静电场重叠积分值,计算得到药物与靶点的分子物理结合置信度;

46、靶点拓展输出模块:当分子物理结合置信度大于置信度阈值时,在初始知识图谱中生成连接目标药物节点与对应候选靶点节点的新增图谱边,并基于新增图谱边,计算出目标药物对应的有效分子结合关联数据,完成目标药物作用位点拓展。

47、本发明的有益效果如下:

48、1、革新知识图谱架构,实现图谱动态迭代。本发明将三维原子坐标矩阵、表面静电势分布矩阵内嵌至图谱节点,赋予节点三维物理属性,区别于传统一维静态语义图谱,可依托三维仿真结果更新节点属性、新增图谱边,实现图谱动态迭代。

49、2、分层筛选靶点,提升运算效率、降低预测误差。本发明双层筛选候选靶点,排除已知强关联靶点,定向筛选具备细胞功能调控特性的弱关联、无关联靶点,搭配分层构象采样、碰撞构象剔除策略,减少无效计算,降低靶点预测假阳性率。

50、3、双维度量化结合能力,适配多仿真环境。耦合空间互补体积、静电场重叠积分双重指标,加权计算得到标准化分子物理结合置信度,评判结果客观全面;可自适应调整溶剂参数,适配常规生理环境与特殊病理环境仿真计算,贴合分子真实结合状态。