金莲花碱的潜在作用靶标预测及分子对接研究

利用Pharm Mapper sever的药效团匹配方法对金莲花碱(trolline)的潜在作用靶标进行筛选,虚拟筛选得到的靶标所涉及的疾病与实验报道的金莲花碱的抗菌活性一致。进而利用分子对接技术对金莲花碱与潜在靶标的作用模式进行了研究,发现它们在形状、电负性和疏水性方面匹配良好,能有效抑制靶标的活性。本研究结果表明,Pharm Mapper sever的药效团匹配和分子对接方法可作为预测药物潜在靶标的有效手段,为探讨金莲花碱的分子机制提供线索,并为深入揭示金莲花碱抗菌活性的分子机制提供新思路。     

药物SAHA的潜在靶标预测及分子对接研究

利用PharmMapper的反向药效团匹配方法对SAHA(伏立诺他)的潜在靶标进行筛选,虚拟筛选得到的HDLP,HDAC8等9个靶标已被实验研究证实。靶标所涉及的疾病与实验报道的SAHA的药理学活性一致,如抗癌、抗炎、抗肿瘤等作用。另外,预测出与老年痴呆、糖尿病、风湿性关节炎等疾病相关的SAHA的潜在靶标,进而利用分子对接技术对SAHA与潜在靶标的作用模式进行了研究。SAHA与潜在靶标的对接结果表明,它们在形状、电负性和疏水性方面匹配良好,能有效抑制靶标的活性。本实验研究表明,反药效团匹配和分子对接方法可作为预测药物潜在靶标的有效手段,为SAHA新的适用症的进一步研究提供理论指导。     

基于符号网络的药物靶标相互作用关系预测

药物-靶标相互作用（DTI）预测在新药物研发中具有重要意义。大多数计算方法将其建模为二元预测问题,忽视了DTI的具体类型。考虑DTI的积极或消极作用,将有利于研究多种药物对共同靶标的综合作用机理。通过构建药物靶标符号网络,将DTI预测问题转化为药物与靶标异构网络的符号链路预测问题,并引入Logistic回归与随机游走构建学习系统。在两个数据集进行实验,其预测结果呈现出良好的指标,表明该思路的可行性。     

药物-靶标相互作用预测平台设计与实现

旧药新用是应对突发疾病的有效手段。利用计算技术筛选潜在的药物-靶标关联，有利于快速发现治疗疾病的候选药物。基于Matlab语言设计了一款药物-靶标预测平台，在标准数据集上运用网络一致性投影方法预测，分析了余弦相似性计算、高斯内核相似性计算及Logistic变换对预测结果的影响，实验结果证实了平台的有效性。     

增强分子拓扑信息的多任务图神经网络算法

以分子毒性为代表的分子属性预测在以药物设计为主的多个领域的发展中发挥着重要作用，但直接利用分子结构信息快速且准确地预测分子毒性一直是一个挑战。目前，卷积网络和图网络等深度学习方法的出现在这个问题的解决上得到了一定的进展。而以图网络为主的深度学习方法在分子毒性预测中存在两个关键问题，影响预测性能：第一，数据驱动使得模型在面对小批量数据时依然没有可靠的性能。第二，建模分子结构只考虑了天然共价键，只能提供粗粒度的信息。为解决上述问题，给出了一种对分子结构的新型建模方式MT-ToxGNN。该方法将多任务的思想融入图神经网络中，使得不同任务在训练时可以互相学习不同数据的可靠分布，从而避免在小批量数据上的过拟合问题。将分子编码成拓扑图结构时同时考虑分子内共价键以及非共价作用，就是在使用分子共价键构建传统图的边集之后，再使用非共价作用构建新型图的边集，从而弥补传统图网络对分子结构信息表示的不足。使用特别设计的图网络分别处理分子的共价与非共价信息，充分学习不同的分子结构。在与大量先进方法的性能比较中，MT-ToxGNN在多个分子毒性数据集上皮尔森系数指标达到了最佳。     

基于复杂网络探讨金钗石斛潜在活性成分组及其作用机制

为发现金钗石斛潜在活性成分组,本研究从化合物的分子结构和生物活性入手进行计算模拟,通过对141个已知化合物的分子骨架进行结构相似度聚类,发现了11个结构相似的成分组,而大部分成分组具有明显的ADME活性。另一方面,结合靶点虚拟筛选和KEGG通路富集,构建并分析"化合物-靶点-通路"网络,预测金钗石斛的重要潜在活性成分和重要作用机制,揭示了5个成分组与特定生物功能间的相关性。潜在活性成分组的虚拟筛选为揭示金钗石斛药效物质基础提供了理论依据。     

基于反向分子对接的凹叶木兰和中缅木莲抗肿瘤活性研究

凹叶木兰和中缅木莲在西南地区作为传统药用植物对于许多疾病有着较好的治疗价值,如行气平喘、化湿导滞、疏肝理气等功效。然而这两种传统药用植物在抗肿瘤活性方面的研究比较缺乏。因此我们利用计算机辅助药物设计(CADD)中的反向分子对接方法,结合PharmaDB药效团数据库对凹叶木兰、中缅木莲中所提取的18种化合物进行抗肿瘤或抗癌研究,并分析化合物与相关癌症靶标蛋白的相互作用机制。利用Discovery Studio 3.5软件的ADMET模块分析化合物的药代动力学和毒理性质。结果表明:14种化合物与相关癌症靶标蛋白具有一定结合性,其中5种化合物与相关癌症靶标蛋白结合的最好,经过药代动力学和毒理预测筛选出4种化合物在抗肿瘤活性方面具有较大潜力,值得进行下一步的药理实验。该结论为凹叶木兰和中缅木莲在抗肿瘤方面的研究提供了理论依据。     

雄激素受体干扰物的活性预测模型的研究

目的在于定量预测雄激素受体干扰物活性,并确定最佳建模方法。选择150个分子作为数据集,随机选38个分子作为检验集,其它分子为训练集。每个化合物分子计算了193个分子参数。通过采用多元线性回归和主成分回归等方法,建立数学模型,并用验证集检验了所建模型的预测能力。结果发现逐步筛选法和主成分分析方法所建模型都表现出较强的预测能力(应用于检验集的相关系数分别为R=0.61,R=0.52)。以上研究将有助于新药雄激素受体抑制剂的筛选和开发。     

HMG-CoA还原酶抑制剂的3D-QSAR研究:基于分子对接和FlexS的叠合

HMG-CoA还原酶是降血脂药物设计的重要靶标,抑制该酶的活性可以有效地降低血浆总胆固醇水平,从而降低心脑血管疾病的发病几率。拜斯亭事件以后,他汀类药物的安全性特别是长期服用的安全性一直备受关注,所以,设计新型安全的HMGR抑制剂仍然十分迫切。本文利用已经建立的分子对接模型对接文献中已经报道的几组HMGR抑制剂分子,确定这些分子可能的结合构象。然后,利用比较分子力场分析(CoMFA)和比较分子相似性指数分析(CoMSIA)研究其三维定量构效关系,所建CoMFA、CoMSIA模型的交叉验证相关系数q~2分别为0.625和0.683(10组CV),对测试集化合物的活性预测结果与实验数据相关性很好,表明模型预测能力较强。分析出三维空间中各种分子场(立体、静电、疏水、氢键)的有利位置。同时,论文还采用FlexS的叠合方式构建CoMSIA模型,比较3D-QSAR研究中分子对接和分子场的叠合。     

古方“四物汤”治疗银屑病计算机网络药理学研究

采用化学空间、分子对接、网络技术等计算机药理学方法,研究古方"四物汤"治疗银屑病的药理学作用机制。结果表明:(1)四物汤中分子在化学空间上具有类药性质;(2)运用分子对接方法将四物汤中295个化合物与银屑病51个公认的靶标相互联系,分析四物汤治疗银屑病的可能作用机理及活性分子、有效成分群,揭示了四物汤多靶点、多药物、多途径的分子作用机制;(3)通过复杂网络分析探索四物汤治疗银屑病的配伍规律。结论:四物汤具有较好口服吸收性质:通过分子-靶标,靶标-靶标和分子-分子的网络分析推测四物汤主要是通过金属蛋白酶、表皮生长因子受体、一氧化氮合酶等抗银屑病表皮增殖、血管生成及异常的免疫调节机制:当归在四物汤治疗银屑病中发挥重要的作用。     

中医方剂与图集的转换方法

中药复方数据挖掘研究是将我国丰富的中药信息资源和现代最新信息技术相结合的重要内容,它意味着基于中医理论,利用知识发现技术,对传统中药新药、中医组方理论及规律、中药作用机制、有效成分构效关系等多个方面进行全面、系统的研究。图作为一种经典的数据结构,被广泛用于复杂数据结构分析与建模。文章探讨了图建模技术并实现了中医方剂与图集的转换。     

基于中医网络的中心性算法研究

中医概念之间的关系极为复杂,采用传统的基于简单数据集的数据挖掘方法显得力不从心.考虑到中医数据的特点,提出了一种基于图结构的挖掘方法,将中医对象之间的复杂关系和潜在的信息提取出来.首先,通过自然语言处理从医案中抽取出的中医概念与中医本体知识库匹配得到中医的知识网络.然后将该中医网络抽象成数学表达方式--图,利用图论的算法来处理.最后,采用中心性算法来分析中医网络,找出在中医诊断网络中具有重要作用的症状.     

Spectrum-image dual-modality fusion empowered accurate and efficient classification system for traditional Chinese medicine

Traditional Chinese medicine (TCM) influences the Chinese and global medical systems, with its quality essential to its effectiveness. The origin of TCM material impacts the quality of the same TCM materials. However, the existing origin classification methods of the same TCM materials from different places mainly have two disadvantages: slow processing speed and extensive experience. To address these issues, a fast and real-time technology, laser-induced breakdown spectroscopy (LIBS), is introduced into our solution. We propose a TCM classification system that combines one-dimensional LIBS spectra with two-dimensional images. This dual-modality fusion approach represents a significant advancement in multi-view data analysis for TCM classification. As a case study, we focus on wolfberry and construct a new dataset comprising 10,800 pairs of LIBS spectrum and image data to fill the gap. To achieve superior multiple feature fusion, a two-stage fusion network (TFNet) in a coarse-to-fine way is proposed. In the first coarse fusion, the Depth Attention Fusion (DAF) module is applied to extract the key features of stacked spectrum and image. In the second fine fusion, the Line to Area (LTA) module entirely focuses on and highlights the critical spectral line features. Experimental accuracy is over 0.99 with less computation and parameters, indicating the high efficiency and accuracy of the proposed TFNet. Therefore, the classification system achieves exceptional accuracy and efficiency due to its simple sample preparation, real-time data collection and the high-accuracy lightweight network.     

基于多维数据分析的中医主药挖掘技术

采用数据挖掘技术研究了中药主药分析。提出并实现了基于多维数据分析的主药挖掘算法,在该算法中引入干扰药物过滤算子以及药对算子。以脾胃方剂库为对象,分别使用基于相对剂量的主药分析算法和基于多维数据分析的主药挖掘算法进行了实验。实验表明,加入干扰药物过滤算子以及药对算子的基于多维数据分析的主药挖掘算法能够有效地提高主药分析的正确率。 对     

基于中药专利数据集的关联规则发现算法*

指出关联规则在中药数据分析中的难点,据此提出了一种改进的Apriori算法--Apriori 算法;最后,以治疗感冒的中药专利数据集为测试数据,进一步验证算法的有效性和实用性.结果表明,此算法能够有效地从治疗感冒的专利数据库中发现布尔型与数值型关联规则,为开发新的感冒中药提供配伍依据.     

中药特性信息数据挖掘系统中的预处理设计

中药数据的不规范,使预处理成为数据挖掘系统中的一个重要过程。该文开发中药特性信息数据挖掘系统,介绍系统结构与挖掘流程,分析中药数据的特征,对数据进行预处理,包括过滤噪声数据、中医药术语规范化、缺损数据处理、剂量单位规范化、作用度规一化、功效量化等。     

两层级神经网络及在中医智能诊断中的应用 *

通过分析中医临床数据的特性 ,将临床数据分为低层级数据和高层级数据 ,每个层级数据又分为全局输入参数和局部输入参数。基于这些概念 ,建立了一种两层级神经网络 ,低层级子神经网络局部处理低层级数据,高层级子神经网络综合处理高层级数据和低层级子神经网络的输出结果。这样的结构不仅能有效地刻画中医辨证问题 ,而且简化了计算 ,提高了学习收敛速度。实验结果表明 ,这种两级神经网络可以较好地应用于具有复杂数据关系的中医辨证智能计算。     

中医专家系统技术综述及新系统实现研究

对中医专家系统二十多年来的发展进行了简单的概括,总结了专家系统应用在中医领域的技术特点。基于中医诊断专家系统的发展现状,分别从系统建模、知识获取和知识库构建等方面提出了新的思路和实现技术,例如认知模型的建立、领域本体的应用、自然语言理解、数据挖掘、知识网络、多智体agent技术等,并设计了一种新型中医专家系统,为中医专家系统的发展提供了有价值的参考方向。     

中药化学数据库关联规则的挖掘

数据挖掘是一种新兴的信息处理技术,本文将其中的关联规则运用到中药化学数据的处理,对其中的中医药效、植物科属、化学成分的活性、中药提取物现代药理等数据进行了维间关联规则的挖掘,找到了一系列的强规则,并对这些规则进行了分析,得到了其中有趣的关联规则,同时该关联规则的结果也说明了中药和西药在药效概念上的差异。该结果对于中药现代化,植物化学等相关的研究提供了一种新的思路。     

A self-learning expert system for diagnosis in traditional Chinese medicine

A novel self-learning expert system for diagnosis in Traditional Chinese medicine (TCM) was constructed by incorporating several data mining techniques, mainly including an improved hybrid Bayesian network learning algorithm, Naı̈ve–Bayes classifiers with a novel score-based strategy for feature selection and a method for mining constrained association rules. The data-driven nature distinguished the system from those existing TCM expert systems based on if-then rules to address knowledge elicitation problem. Moreover, the learned knowledge was provided in multiple forms including causal diagram, association rule and reasoning rules derived from classifiers. Finally, five representative cases were diagnosed to evaluate the performance of the system and the encouraging results were obtained. The results show that the prototype system performs well in diagnosis of TCM, and could be expected to be useful in the practice of TCM.