一种新的基于ChEBI描述的药物分子相似性计算方法

摘要

本发明涉及一种新的融合ChEBI中化合物本体信息的药物分子相似性计算解决方法，从ChEBI网站中下载所有药物分子本体信息，以药物分子在KEGG中的代码搜索出未知药物化合物的定义，分别计算定义句子中的每个单词在所有ChEBI化合物定义中出现的次数。两个化合物的相似性采用对所有共同出现的单词在ChEBI定义中出现的总次数分别倒数求和表示。本发明融合化合物ChEBI中的本体信息，采用此发明中计算化合物相似性方法和多标签算法ML‑GKR用于化合物ATC分类预测器的预测成功率，比现有多标签算法预测成功率提高5%，具有广阔的运用前景。

主权项

一种新的融合ChEBI中化合物本体信息的药物分子相似性计算解决方法，其特征在于包括以下步骤：（1）从ChEBI网站中下载所有药物分子本体信息，下载网址为：ftp://ftp.ebi.ac.uk/pub/databases/chebi/ontology/；（2）在下载文件中，以药物分子在KEGG中的代码搜索出未知药物化合物的定义；（3）ChEBI给出的定义为一英文句子，按照单词出现在定义中的先后顺序，用一个离散向量表示这个药物化合物，m为这个句子中出现单词的总个数，w₁₁表示第一个单词，w₁₂代表第二个单词，以此类推；（4）分别计算句子中的每个单词在所有ChEBI化合物定义中出现的次数，用1除以这个单词在ChEBI定义中出现的总次数表示其频率q_ij；（5）计算两个化合物d₁和d₂相似性如下式：其中q_ij为单词出现的频率，用1除以单词出现的总数表示。