基于地統(tǒng)計學與支持向量回歸的生物活性肽QSAR研究.pdf

1、QSARModelingofBioactivePeptideActivitybasedonGeostatisticsandSVRbyrHUPEISHANAthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofScience1nBiochemistryandMolecularBiologyinCentralSouthUniversityofFo

2、restryandTechnology498ShaoshanSouthRoad，TianxinDistrictChangshaHunan410004，PRC吲ASupervisorProfessorWangPing一一June，2016摘要生物活性肽(BioactivePeptide，BAP)是一種是生命活動中有重要作用的短肽分子，在眾多領域具有廣泛的理論和應用價值。發(fā)現(xiàn)或合成具有高活性的生物活性肽的前提是對一條生物活性肽的活性進行準確

3、的預測。利用定量構效關系來預測生物活性肽的活性，是現(xiàn)今生物活性肽活性預測研究領域最主要的方法之一。定量構效關系QSmt模型構建的一般方法為三個步驟：描述符提取，描述符篩選，回歸模型建立。本文針對這三個步驟，對生物活性肽的QSAR模型建立方法進行改進。通過對血管緊張素轉化酶抑制劑和陽離子生物抗菌肽兩個數(shù)據(jù)集，對本文所提出的改進方法進行試驗驗證。主要研究結果如下：(1)在描述符提取上，本文基于地統(tǒng)計學和氨基酸物理化學性質，利用地統(tǒng)計學判定空

4、問性關聯(lián)的特性，提取地統(tǒng)計學關聯(lián)描述符。在考慮氨基酸殘基具體的物理化學性質對生物活性肽活性的影響的同時，考慮不同氨基酸殘基之問的相互關聯(lián)作用，通過地統(tǒng)計學計算，關聯(lián)大小得以體現(xiàn)在描述符中。結果表明，基于地統(tǒng)計學的描述符提取方法，能較好的表述序列信息，尤其在肽活性受氨基酸殘基間相互作用影響較大時，地統(tǒng)計學提取的關聯(lián)描述符比直接提取的物理化學性質描述符具有更好的預測結果。(2)在描述符篩選上，吸收了在分類研究問題上較為熱門的最小冗余最大相關

5、的先進理念，將其進行改進，使之能適用于QSAR模型中面對的由連續(xù)變量構成的回歸數(shù)據(jù)；同時，采用逐個引入的方法，對所初步篩選得到的描述符進行了再次篩選。結果表明，本文所改進的描述符篩選方法，能有效的剔除初始描述符中的大量冗余描述符，精簡了模型復雜度，提高了模型的預測性能，增強了模型可解釋性。采用本文改進的描述符篩選方法保留的描述符，不僅能有效提升模型的預測性能，而且保留描述符具有較好的可解釋性和生物學意義，本文通過對其分析，探索了影響血管