利用SVM挖掘GPCR中潛在的藥物靶點.pdf

1、目的:藥物靶點的定位是藥物開發(fā)成敗的關鍵。然而，目前被臨床驗證的藥物靶點的數(shù)量還很少，因此迫切需要挖掘更多的新藥物靶點。在已知的藥物靶點中G蛋白偶聯(lián)受體(GPCR)占絕大多數(shù)，它和高血壓、哮喘、疼痛、神經和免疫紊亂等多種疾病有著密切聯(lián)系。由于GPCR其七次跨膜構象復雜，空間結構很難從實驗中獲取，因此，它們的功能就更難確定了。在本研究中，我們結合蛋白質序列、多肽、及蛋白質基本理化性質等特征構建支持向量機(SVM)分類器，來預測GPCR中潛

2、在的藥物靶點，為藥物開發(fā)提供理論支持。
　　 方法:本研究利用SVM方法，通過對GPCRDB，Uniprot，DrugBank三大數(shù)據庫中蛋白質序列的篩選，構建兩組不同的分類器來預測GPCR中潛在的藥物靶點。一類分類器是將人類確認的藥物靶點作為陽性結合，篩選得到的非藥物靶點作為陰性集合;另一類分類器是將確認為藥物靶點的GPCR作為陽性集合，篩選得到的GPCR非藥物靶點作為陰性集合。對以上兩組蛋白序列中每一個序列提取其相應的蛋白質

3、的一級結構、多肽特征及蛋白質的基本理化性質特征，作為訓練分類器的特征空間。利用遺傳算法實現(xiàn)特征空間的選擇，并通過對模型參數(shù)的調整來構建兩組最優(yōu)分類器。最后，將這兩組最優(yōu)分類器都用于對GPCR潛在藥物靶點的預測。
　　 結果:根據第一組數(shù)據集合訓練的分類器其分類的準確率為72.63％，敏感度為77.44％，特異度為67.55％。第二組分類器的準確度，敏感度、特異度都在95％左右。將這兩組分類器用于對未分類的GPCR集合預測，發(fā)現(xiàn)其