基于序列和結(jié)構(gòu)特征的蛋白質(zhì)結(jié)合自由能預(yù)測.pdf

1、蛋白質(zhì)是生命的基礎(chǔ)物質(zhì)，構(gòu)成細(xì)胞的基本有機(jī)物，是生命活動的主要承擔(dān)者。蛋白質(zhì)不僅與其它化合物結(jié)合，蛋白質(zhì)自身結(jié)合也有重要的意義，蛋白質(zhì)與蛋白質(zhì)之間的交互對生命活動有著重要的作用。當(dāng)一對蛋白質(zhì)之間的結(jié)合自由能的值很大的時(shí)候，說明這一對蛋白質(zhì)在藥物設(shè)計(jì)階段能夠成功結(jié)合并對生物產(chǎn)生作用，從而更好的治愈疾病。反之，將它們結(jié)合為藥物就幾乎毫無意義?；貧w分析是一種應(yīng)用十分廣泛的數(shù)據(jù)分析方法，擅長用觀測數(shù)據(jù)內(nèi)在規(guī)律，分析數(shù)據(jù)變量間的依賴關(guān)系，尤其是在

2、定量預(yù)測上應(yīng)用更多。建立準(zhǔn)確的回歸模型來預(yù)測蛋白質(zhì)間的結(jié)合自由能是一種很好的途徑。因此，選擇有價(jià)值的特征集和回歸模型是本文的研究重心，根據(jù)有價(jià)值蛋白質(zhì)的特征來預(yù)測蛋白質(zhì)之間的結(jié)合自由能可以完善蛋白質(zhì)相互作用設(shè)計(jì)，對于推動蛋白質(zhì)對接研究的進(jìn)步，加速針對蛋白質(zhì)相互作用的藥物設(shè)計(jì)開發(fā)，高效治療疾病是有重要的作用。
　　目前有很多計(jì)算蛋白質(zhì)結(jié)合自由能的方法，但這些方法計(jì)算需要大量的時(shí)間和資源，并且無法得到較高的準(zhǔn)確率，從而很難被直接應(yīng)用到

3、實(shí)踐中。本文旨在設(shè)計(jì)準(zhǔn)確，快速計(jì)算的模型來預(yù)測蛋白質(zhì)結(jié)合自由能，主要研究工作如下:
　　(1)收集并計(jì)算與蛋白質(zhì)結(jié)合自由能相關(guān)的序列特征和結(jié)構(gòu)特征、135對蛋白質(zhì)復(fù)合物當(dāng)做訓(xùn)練集、39對蛋白質(zhì)復(fù)合物當(dāng)做外部集。
　　(2)使用最小冗余最大相關(guān)（mRMR）來選擇那些與蛋白質(zhì)自由能顯著相關(guān)的特征并去除冗余特征，從而得到最小冗余最大相關(guān)的特征集，然后把這特征集用于建立6種回歸模型。
　　(3)對于6種回歸模型通過10折交叉驗(yàn)

4、證對比得到最佳回歸模型，然后通過模型特征優(yōu)化得到最佳特征集，并對優(yōu)化后的特征集進(jìn)行移除特征來對比分析特征的重要性。
　　(4)用優(yōu)化后的特征集建立最佳回歸模型來預(yù)測蛋白質(zhì)結(jié)合自由能，將模型預(yù)測的性能與別的方法進(jìn)行構(gòu)象變化和外部集驗(yàn)證對比。
　　實(shí)驗(yàn)結(jié)果表明，本文使用Linear Regression和SMOreg回歸模型相結(jié)合來預(yù)測蛋白質(zhì)結(jié)合自由能，優(yōu)化后得到的最佳回歸模型比其它方法的模型具有著更高的性能，并且也適用于那些構(gòu)