MDIPA:基于非负矩阵分解的MicroRNA-药物相互作用预测方法

---

摘要

研究动机：有证据表明，microRNAs是一种小生物分子，它调节基因的表达水平，在疾病的发生和治疗中发挥着重要作用。药物作为重要的化合物，可以与microRNAs相互作用并改变其功能。对microRNAs-药物相互作用的实验鉴定既费时又昂贵。因此，开发有效的计算方法来预测microRNAs-药物相互作用是很有吸引力的。
结果:本研究提出了一种基于矩阵分解的microRNAs-药物相互作用预测方法(MDIPA)，用于预测microRNAs与药物之间未知的相互作用。具体来说，MDIPA利用实验验证的药物与microRNA之间的相互作用、药物相似性和microRNA相似性来预测未被发现的相互作用。构建基于路径的microRNA相似矩阵，利用药物的结构信息建立药物相似矩阵。为了评估MDIPA的性能，在独立数据集和交叉验证下，将我们的MDIPA与四种最先进的预测方法进行了比较。两种评价方法的结果都证实了MDIPA的性能优于其他方法。最后，乳腺癌案例研究中的分子对接结果证实了我们的方法的有效性。综上所述，MDIPA可以有效预测潜在的microRNAs-药物相互作用。

---

一、简介

药物-靶标相互作用的实验研究既费时又昂贵。更糟糕的是，有时候，在投入大量资源之后，努力并不能发现新的交互作用。因此，在药物发现中，补充甚至替代的方法是值得的。药物重新定位和药物靶标预测是确定现有药物和药物化合物新应用的捷径。研究结果可为进一步的实验药物发现提供有效依据。
疾病是一种异常情况，有时与基因表达的变化密切相关。基因-疾病调控网络的研究表明，各种元素在这些网络中发挥着重要作用。例如，不同的化学物质，包括活性元素、辅助因子和药物，可以改变基因的表达水平。其他在基因表达网络中活跃的元素包括转录因子(TFs)、siRNAs(小抑制rna)和microRNAs (miRNAs)。例如，microRNAs与基因的调控元件或非翻译区域结合通过RNA干扰(RNAi)，抑制mRNA翻译为蛋白质或诱导mRNA转录，进而改变基因表达水平。
由于药物在设计和作用模式上的多样性和灵活性，药物是影响基因表达和治疗疾病最常用的化学物质。microRNAs在基因表达和疾病中的作用是指通过影响microRNAs的功能来控制因microRNAs功能异常而引起的疾病。药物可以有效地达到这个目的。因此，识别药物和microRNAs之间的相互作用是很重要的。实验和计算方法都可用来识别这些相互作用。然而，由于实验方法需要时间和成本，在这些研究中的应用有限。另外，计算方法由于其灵活性和高吞吐量的结果而吸引人。
不同的计算方法已经被开发用来识别和预测药物- microrna相互作用。
一般来说，药物和microRNA的相互作用矩阵是非常稀疏的，其中未知的相互作用往往超过已知的相互作用。在各种交互预测算法中，基于相似度的方法应用最为广泛。他们的假设是，如果药物X与microRNA P相互作用，那么类似于药物X的药物也会与microRNA P相互作用，反之亦然。矩阵分解是将microRNA-药物相互作用矩阵Y分解成A和B两个矩阵，使用药物和microRNA的相似矩阵来预测未知的microRNA和药物的相互作用，其中Y≈A×B = Y*。矩阵因子分解可用于预测药物与靶点(如microRNA、蛋白质等)之间的相互作用。它通常是一种具有局部信息的最优全局方法。

所有讨论的方法都利用了药物靶标(drug-microRNA)直接关联。这很有挑战性，因为关于交互的已知信息是不完整的。针对现有方法的局限性，本研究旨在克服药物和microRNA关联预测方法的不足，加强矩阵分解方法，同时减少未知相互作用的负面影响。总的目标是识别microRNAs和药物之间新的相互作用，在这里microRNAs和药物的邻居信息被使用的最多。

二、方法

在这项工作中，鉴别药物和microRNA之间未被发现的相互作用被认为是一个基质完成的问题。基于构建的microRNA-药物相互作用矩阵，我们使用加权非负矩阵分解来预测药物和microRNA之间潜在的相互作用。在这种矩阵中，每个条目都是一个microRNA-药物相互作用的概率。基于药物和microRNA之间验证过的相互作用，我们构建了一个初步的相互作用矩阵(邻接矩阵)。然后，我们将这个矩阵扩展到新的microRNA和基于microRNA和药物相似矩阵的药物。

链接: NMF分解