基于GA-SVM算法的細(xì)胞色素酶P450突變預(yù)測(cè).pdf

1、人類細(xì)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(gè)體差異方面起著重要作用，參與大量上市藥品的代謝，且負(fù)責(zé)藥物清除過(guò)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(gè)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(dǎo)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(duì)人類CYP450 nsSNPs進(jìn)行氨基酸突變預(yù)測(cè)建模

2、。
　　作為一種統(tǒng)計(jì)學(xué)習(xí)的新方法，支持向量機(jī)已被廣泛應(yīng)用于突變預(yù)測(cè)領(lǐng)域。其中，特征選擇和參數(shù)優(yōu)化是決定支持向量機(jī)的突變預(yù)測(cè)建模能力的兩個(gè)非常重要的因素。而目前大多數(shù)支持向量機(jī)方法的應(yīng)用是在特征固定的情況下對(duì)參數(shù)進(jìn)行優(yōu)化。本文應(yīng)用基于遺傳算法和支持向量機(jī)方法的改進(jìn)算法GA-SVM，使得特征選擇和參數(shù)優(yōu)化兩個(gè)步驟同時(shí)進(jìn)行，以此來(lái)減少特征冗余和提高預(yù)測(cè)模型的整體性能。
　　我們將GA-SVM算法應(yīng)用到人類CYP450 nsSNPs

3、的突變預(yù)測(cè)研究中。該算法成功的將特征數(shù)目從最初的147個(gè)減少到12個(gè)。同時(shí)，計(jì)算得到的最終突變預(yù)測(cè)模型整體性能較好，預(yù)測(cè)正確率為61％，交叉驗(yàn)證率為73%。優(yōu)于典型的線性和非線性分類預(yù)測(cè)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(duì)人類CYP450 nsSNP突變預(yù)測(cè)的影響，認(rèn)為在建模過(guò)程中需要同時(shí)考慮這兩種性質(zhì)，預(yù)測(cè)模型會(huì)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(yù)測(cè)建模的一個(gè)有效工具。同