改進(jìn)樸素貝葉斯算法對(duì)細(xì)胞色素P450底物特異性的預(yù)測(cè).pdf

1、在所有的藥物代謝過(guò)程中，細(xì)胞色素P450同工酶都起到了至關(guān)重要的作用，每一種藥都有潛在的可能性會(huì)被不同的細(xì)胞色素P450同工酶所代謝。因此，在新型藥物的研發(fā)過(guò)程中，了解候選藥物與細(xì)胞色素酶可能的相互作用以及代謝機(jī)理是至關(guān)重要的。由于不同的藥可能被同一種細(xì)胞色素酶代謝，產(chǎn)生競(jìng)爭(zhēng)關(guān)系，相互影響導(dǎo)致副作用，或者同一種藥物可能會(huì)同時(shí)被多種細(xì)胞色素P450酶代謝，消耗過(guò)快而達(dá)不到藥效，因此，需要對(duì)細(xì)胞色素P450酶底物特異性進(jìn)行了解。傳統(tǒng)的生物學(xué)

2、實(shí)驗(yàn)結(jié)果可靠，精確度高，然而需要耗費(fèi)大量的時(shí)間資源和物質(zhì)資源，隨著計(jì)算機(jī)技術(shù)的發(fā)展，以及基于大量數(shù)據(jù)的數(shù)據(jù)挖掘算法的發(fā)展，越來(lái)越多的機(jī)器學(xué)習(xí)算法被用于細(xì)胞色素底物特異性的預(yù)測(cè)中，這一方面降低了時(shí)間成本和財(cái)務(wù)成本，另一方面也大大縮小了藥物篩選的范圍，為之后的研究提供了充分的方向。
　　在本文的研究中，數(shù)據(jù)方面，我們主要利用了實(shí)驗(yàn)室內(nèi)部數(shù)據(jù)庫(kù)CYP-Meta和一些最新發(fā)表的文獻(xiàn)中公布的傳統(tǒng)實(shí)驗(yàn)結(jié)果，最終篩選出超過(guò)一千五百條底物小分子代

3、謝信息以及相應(yīng)的742個(gè)小分子的物理化學(xué)屬性等信息，這些小分子分屬于11個(gè)不同的細(xì)胞色素P450亞家族的底物,信息整理過(guò)程中，對(duì)于不同的研究者報(bào)告的實(shí)驗(yàn)結(jié)果，可能會(huì)相互矛盾，因此，我們會(huì)將相互矛盾的信息進(jìn)行剔除，確保記錄的可靠性。在CYP-Meta中，我們將代謝化合物小分子按照底物、誘導(dǎo)劑、抑制劑分為三類(lèi)通過(guò)type欄記錄，除此之外，主表中還包含了小分子名和CID編號(hào)。由于同一個(gè)小分子可能有不同的名稱，為確保信息完整，CYP-Meta中

4、采用 CID編號(hào)與小分子名作為聯(lián)合主鍵。算法方面，我們?cè)O(shè)計(jì)了改進(jìn)的樸素貝葉斯算法進(jìn)行預(yù)測(cè)模型的建立，并同時(shí)用傳統(tǒng)的簡(jiǎn)易樸素貝葉斯算法（Nave-Bayesian），支持向量機(jī)算法（SVM）以及最鄰近算法（KNN）分別建立了預(yù)測(cè)模型，并對(duì)各個(gè)預(yù)測(cè)模型進(jìn)行驗(yàn)證分析和對(duì)比。最終，我們發(fā)現(xiàn)，我們改進(jìn)的樸素貝葉斯算法所建立的預(yù)測(cè)模型性能明顯優(yōu)于其它模型。最終，11個(gè)CYP家族的平均預(yù)測(cè)準(zhǔn)確率達(dá)到0.89左右，而SVM模型與KNN模型的準(zhǔn)確率平均值