基于监督学习算法的延胡索成分-靶点-疾病网络的预测研究

摘要：

目的 应用监督学习算法中的随机森林算法构建药物-靶点模型,预测延胡索治疗心脑血管类疾病的关键靶标.方法 训练集从KEGG数据库获取,包括药物-酶、药物-离子通道、药物-G蛋白、药物-核蛋白四类药靶数据,采用随机森林算法构建药靶模型并预测延胡索体内作用靶点,应用Cytoscape软件构建延胡索成分-靶点-疾病网络;其中模型精度利用十折交叉验证进行评价.结果 四类药靶模型的预测正确率分别是71.36%、67.08%、73.71%、68.22%;延胡索的20个化学成分被预测出作用于ADRA2A、ADRA2C、ADRB2、ADRA1D、ADRB1、ADRA2B、DRD2、CACNA1B、GABRG2、SCN1A等多个与心脑血管疾病相关的靶点并得到较好的文献验证,每个化合物的平均靶点数为9.8.结论 随机森林算法所建模型具有较好的预测正确率,能预测出延胡索治疗心脑血管类疾病的多个关键靶点,其还可用于预测其他中药化学成分的潜在作用靶点.

关键词：延胡索、监督学习、网络药理学、心脑血管疾病、肿瘤

所属期刊栏目：31

分类号：R93(生药学（天然药物学）)

在线出版日期：2020-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1638-1643