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(guān)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(jīng)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(gòu)象復(fù)雜，空間結(jié)構(gòu)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(jié)合蛋白質(zhì)序列、多肽、及蛋白質(zhì)基本理化性質(zhì)等特征構(gòu)建支持向量機(SVM)分類器，來預(yù)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(jù)庫中蛋白質(zhì)序列的篩選，構(gòu)建兩組不同的分類器來預(yù)測GPCR中潛在的藥物靶點。一類分類器是將人類確認(rèn)的藥物靶點作為陽性結(jié)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(rèn)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(yīng)的蛋白質(zhì)

3、的一級結(jié)構(gòu)、多肽特征及蛋白質(zhì)的基本理化性質(zhì)特征，作為訓(xùn)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(diào)整來構(gòu)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(yù)測。
　　 結(jié)果:根據(jù)第一組數(shù)據(jù)集合訓(xùn)練的分類器其分類的準(zhǔn)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(zhǔn)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(yù)測，發(fā)現(xiàn)其