基于GA-SVM算法的細胞色素酶P450突變預測.pdf

1、人類細胞色素酶P450（CYP450）在藥物代謝第一階段尤其在藥物相互作用和個體差異方面起著重要作用，參與大量上市藥品的代謝，且負責藥物清除過程的主要排泄通路。單核苷酸多態(tài)性（SNPs）是人類 CYP450遺傳多態(tài)性的主要部分，也是引起疾病、藥物等個體差異的主要原因。其中，非同義SNP（nsSNPs）可以引起氨基酸突變，并導致蛋白結(jié)構(gòu)和功能的改變，致病可能性最大。因此，本文從蛋白水平對人類CYP450 nsSNPs進行氨基酸突變預測建模

2、。
　　作為一種統(tǒng)計學習的新方法，支持向量機已被廣泛應用于突變預測領域。其中，特征選擇和參數(shù)優(yōu)化是決定支持向量機的突變預測建模能力的兩個非常重要的因素。而目前大多數(shù)支持向量機方法的應用是在特征固定的情況下對參數(shù)進行優(yōu)化。本文應用基于遺傳算法和支持向量機方法的改進算法GA-SVM，使得特征選擇和參數(shù)優(yōu)化兩個步驟同時進行，以此來減少特征冗余和提高預測模型的整體性能。
　　我們將GA-SVM算法應用到人類CYP450 nsSNPs

3、的突變預測研究中。該算法成功的將特征數(shù)目從最初的147個減少到12個。同時，計算得到的最終突變預測模型整體性能較好，預測正確率為61％，交叉驗證率為73%。優(yōu)于典型的線性和非線性分類預測模型。此外，我們還分析了理化性質(zhì)和結(jié)構(gòu)性質(zhì)各自對人類CYP450 nsSNP突變預測的影響，認為在建模過程中需要同時考慮這兩種性質(zhì)，預測模型會有更好的整體性能。這些結(jié)果證明了GA-SVM算法是人類CYP450 nsSNPs的突變預測建模的一個有效工具。同