改進樸素貝葉斯算法對細胞色素P450底物特異性的預測.pdf

1、在所有的藥物代謝過程中，細胞色素P450同工酶都起到了至關重要的作用，每一種藥都有潛在的可能性會被不同的細胞色素P450同工酶所代謝。因此，在新型藥物的研發(fā)過程中，了解候選藥物與細胞色素酶可能的相互作用以及代謝機理是至關重要的。由于不同的藥可能被同一種細胞色素酶代謝，產(chǎn)生競爭關系，相互影響導致副作用，或者同一種藥物可能會同時被多種細胞色素P450酶代謝，消耗過快而達不到藥效，因此，需要對細胞色素P450酶底物特異性進行了解。傳統(tǒng)的生物學

2、實驗結(jié)果可靠，精確度高，然而需要耗費大量的時間資源和物質(zhì)資源，隨著計算機技術的發(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，越來越多的機器學習算法被用于細胞色素底物特異性的預測中，這一方面降低了時間成本和財務成本，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，我們主要利用了實驗室內(nèi)部數(shù)據(jù)庫CYP-Meta和一些最新發(fā)表的文獻中公布的傳統(tǒng)實驗結(jié)果，最終篩選出超過一千五百條底物小分子代

3、謝信息以及相應的742個小分子的物理化學屬性等信息，這些小分子分屬于11個不同的細胞色素P450亞家族的底物,信息整理過程中，對于不同的研究者報告的實驗結(jié)果，可能會相互矛盾，因此，我們會將相互矛盾的信息進行剔除，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、誘導劑、抑制劑分為三類通過type欄記錄，除此之外，主表中還包含了小分子名和CID編號。由于同一個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編號與小分子名作為聯(lián)合主鍵。算法方面，我們設計了改進的樸素貝葉斯算法進行預測模型的建立，并同時用傳統(tǒng)的簡易樸素貝葉斯算法（Nave-Bayesian），支持向量機算法（SVM）以及最鄰近算法（KNN）分別建立了預測模型，并對各個預測模型進行驗證分析和對比。最終，我們發(fā)現(xiàn)，我們改進的樸素貝葉斯算法所建立的預測模型性能明顯優(yōu)于其它模型。最終，11個CYP家族的平均預測準確率達到0.89左右，而SVM模型與KNN模型的準確率平均值