🍠Python药物副作用生物图分析算法和矩阵降维算法

Python药物副作用生物图分析算法和矩阵降维算法 | 亚图跨际亚图跨际 on Notion

🏈指点迷津 | Brief

🎯要点

🎯人体疾病模块网络结构位置与病理生物学关系 | 🎯药物与药物靶点相互作用 | 🎯细胞和蛋白质之间的作用分层 | 🎯疾病和症状之间的联系 | 🎯药物与副作用之间的联系 | 🎯生物学分析

📜图分析用例

📜Python鲁汶意外莱顿复杂图拓扑分解算法

🍪语言内容分比

​Python药物副作用数学矩阵降维算法

预测药物效应在药物研发中非常重要，而药物研发是制药科学的主要目标。关于已批准药物的安全性、有效性和耐受性，有大量信息可用，这可以最大限度地减少预测新药效应所需的费用和时间。

药物数据准备

• 药物蛋白质矩阵

• 药物疾病矩阵

• 药物和蛋白质相似性核

在本研究中，观察到的标签矩阵用$Y \in R ^{m \times n}$表示，其中$m$和$n$分别是药物和靶标的数量。每个元素用$y_{i j} \in \{-1,0,+1\}$表示，其中+1表示正标签，-1表示负标签，0表示缺失标签。我们将交互矩阵 Y 分解为两个低秩潜在特征矩阵 $U \in R ^{m \times k} 和 V \in R ^{n \times k}$，其中 k 是潜在特征向量的维度。我们假设Y可以用U和V的乘积来表示，如下：

$$\underset{ U , V }{\arg \min }\left\| R ^{\circ}\left( Y - U V ^T\right)\right\|_F^2$$

其中$\|\cdot\|_F$ 表示 Frobenius 范数，${ }^{\circ}$表示两个矩阵的 Hadamard 乘积。设$R \in R ^{m \times n}$为指示矩阵，其中当$y_{i j}=1$时$r_{i j}=p w$，当$y_{i j}=-1$时，$r_{i j}=n w$，否则为0。请注意， $p_w$ 和 $n w$ 分别是正标签和负标签的权重，默认值都是 1 。由于R的存在，我们只关注正标签和负标签，缺失标签并不会导致任何损失。

药物邻域信息采用邻接矩阵𝐀表示，其元素定义如下：

$$A _{i, \mu}=\left\{\begin{array}{cc} S_{i, \mu}^d & \text { if } d _\mu \in N\left(d_{ i }\right) \\ 0 & \text { 否则 } \end{array}\right.$$

其中 $N\left(d_{ i }\right)$是通过选择 $K_1$个与 $d _{ i }$ 最相似的药物来构建的。药物靶标效应邻域信息B可以类似地定义如下：

$$B _{j, v}=\left\{\begin{array}{cc} S_{j, v}^t & \text { if } d _v \in N\left( t _{ j }\right) \\ 0 & \text { 否则 } \end{array}\right.$$

最小化潜在空间中 $d _{ i }$与其最近邻 $N\left(d_{ i }\right)$之间距离的目标函数如下：

$$\frac{\alpha}{2} \sum_{i=1}^m \sum_{\mu=1}^m A _{i, \mu}\left\| u _i- u _\mu\right\|_F^2=\frac{\alpha}{2} \operatorname{tr}\left( U ^T L ^d U \right)$$

Python伪码算法实践：

 import pandas as pd
 import numpy as np
 from collections import defaultdict
 from tqdm import tqdm
 import sys
 from _utils import performance_compare as pc

 df = pd.read_csv(base_dir + '/Data/table.csv',index_col=0)
 drugMat = pd.read_csv(base_dir + '/Data/sim.csv',index_col=0)
 diseaseMat = pd.read_csv(base_dir + '/Data/sim.csv',index_col=0)
 ​
 ind_bi = pd.read_csv(base_dir + '/Data/binary.csv',index_col=0)
 se_bi = pd.read_csv(base_dir + '/Data/binary.csv',index_col=0)
 use_ind = ind_bi[df.columns.tolist()].loc[df.index.tolist()]
 use_se = se_bi[df.columns.tolist()].loc[df.index.tolist()]
 ​
 drug2name = pd.read_pickle(base_dir + '/Data/name.pkl')
 list(drug2name.keys())[0]
 name2pt = pd.read_pickle(base_dir + '/Data/cui.pkl')
 ​
 drugs = df.index.tolist()
 diseases = df.columns.tolist()
 ​
 ann_ind = [drug2name.get(k) for k in drugs]
 ann_col = [pt2name.get(k) for k in diseases]
 ​
 df.index = ann_ind
 df.columns = ann_col
 ​
 drugMat.index = ann_ind
 drugMat.columns = ann_ind
 ​
 diseaseMat.index = ann_col
 diseaseMat.columns = ann_col
 ​
 use_ind.index = ann_ind
 use_ind.columns = ann_col
 ​
 use_se.index = ann_ind
 use_se.columns = ann_col

• 预测副作用的化合物

 cv_data = defaultdict(list)
 ​
 idx = df.columns.tolist().index(r)
 intMat = np.array(df.T)
 num_drugs,num_disease = intMat.T.shape
 test_data = np.array([[k,j] for k in [idx] for j in range(num_drugs)],dtype=np.int32)
 x,y = test_data[:,0], test_data[:,1]
 test_label = intMat[x,y]
 W = np.ones(intMat.shape)
 W[x,y] = 0
 cv_data[ann_col[idx]].append((W,test_data,test_label))
 ​
 for W, test_data, test_label in cv_data[r]:
     model = nrbdmf.NRBdMF(K1=5,K2=5,num_factors=50,theta=1.0,lambda_d=0.625,lambda_t=0.625,alpha=0.1,beta=0.1, max_iter=5000,tolx=1e-5,positive_weight=0.1,negative_weight=0.1,missing_base=0,indicator=True,half_mask=False,verbose=False)
     model.fix_model(W, np.array(df).T, diseaseMat, drugMat, seed=123)
     posi_val,nega_val = model.ex_evaluation(test_data, test_label)
     print(posi_val,nega_val)
     
     # processing output
     pred_res = model.pred_res
     pred_res.index = df.index.tolist()
     se_label = use_se[r].tolist() # side effect binary label (before merging)
     pred_res['se_label'] = se_label
     ind_label = use_ind[r].tolist()
     pred_res['ind_label'] = ind_label
     pred_res['name'] = pred_res.index.tolist()
     pred_res = pred_res.sort_values('scores',ascending=False)
 ​
 auroc, aupr = nrbdmf.calc_auc_aupr(y_true=pred_res['se_label'].tolist(), y_score=pred_res['scores'].tolist(),title=r)

• 预测某种化合物产生的副作用

 cv_data = defaultdict(list)
 idx = df.index.tolist().index(r)
 intMat = np.array(df)
 num_drugs,num_disease = intMat.T.shape
 test_data = np.array([[k,j] for k in [idx] for j in range(num_drugs)],dtype=np.int32)
 x,y = test_data[:,0], test_data[:,1]
 test_label = intMat[x,y]
 W = np.ones(intMat.shape)
 W[x,y] = 0
 cv_data[ann_ind[idx]].append((W,test_data,test_label))
 ​
 for W, test_data, test_label in cv_data[r]:
     model = nrbdmf.NRBdMF(K1=5,K2=5,num_factors=50,theta=1.0,lambda_d=0.625,lambda_t=0.625,alpha=0.1,beta=0.1, max_iter=5000,tolx=1e-5,positive_weight=0.1,negative_weight=0.1,missing_base=0,indicator=True,half_mask=False,verbose=False)
     model.fix_model(W, np.array(df), drugMat, diseaseMat, seed=123)
     posi_val,nega_val = model.ex_evaluation(test_data, test_label)
     print(posi_val,nega_val)
 ​
     pred_res = model.pred_res    pred_res.index = df.columns.tolist()
     se_label = use_se.loc[r].tolist() 
     pred_res['se_label'] = se_label
     ind_label = use_ind.loc[r].tolist()
     pred_res['ind_label'] = ind_label
     pred_res['name'] = pred_res.index.tolist()
     pred_res = pred_res.sort_values('scores',ascending=False)
 ​
 auroc, aupr = nrbdmf.calc_auc_aupr(y_true=pred_res['se_label'].tolist(), y_score=pred_res['scores'].tolist(),title=r)