基于数据整合预测药物靶标蛋白质、用药指征以及副作用的支持向量机模型研究

项目名称： 基于数据整合预测药物靶标蛋白质、用药指征以及副作用的支持向量机模型研究

项目编号： No.11201470

项目类型： 青年科学基金项目

立项/批准年度： 2013

项目学科： 数理科学和化学

项目作者： 王永翠

作者单位： 中国科学院西北高原生物研究所

项目金额： 23万元

中文摘要： 支持向量机利用最优化理论和算法解决机器学习问题，在新兴的生物信息领域有着广泛的应用。本项目将基于最优化理论发展支持向量机模型进行针对药物的生物信息学研究。众所周知，准确地推断药物靶标蛋白质、用药指征以及副作用是药物研发领域面临的重要挑战。基于药物的一个基本假设是相似的药物往往会具有相近的性质，包括结合相似的蛋白质、治愈相近的疾病以及引发相近的副作用等。因此解决这些挑战的关键问题是如何整合关于药物、蛋白质、疾病和副作用的各种描述信息建立基于相似性的预测方法。本项目主要通过研究新的支持向量机模型整合药物、蛋白质、疾病和副作用的各种描述数据，包括药物结构和疗效数据、蛋白质序列及其网络数据、描述疾病以及副作用的各种数据，进而建立基于相似性的预测模型。进一步地，本项目通过文献分析和数据库搜索验证新预测的可靠性。本项目的研究不仅为数据整合提供了有效的方法，而且可以推动药物研发领域的进一步研究。

中文关键词： 数据整合；药物靶标蛋白质；用药指征；疗效注释；支持向量机

英文摘要： Support vector machine (SVM), an solid optimization model, has been widely used in bioinformatic field. Here we aim to develop novel SVM models to study the drug related bioinformatics problems. It is well-known that, accurately deducing drug targets, po

英文关键词： data fusion；drug protein targets；drug indications；drug ATC annotations；support vector machine