基于机器学习方法的丙型肝炎病毒非结构蛋白5B聚合酶抑制剂活性预测
在丙型肝炎病毒(HCV)的基因复制和蛋白质成熟的过程中,非结构蛋白5B(NS5B)作为RNA依赖的RNA聚合酶起到了重要的作用.抑制NS5B聚合酶可以阻止丙型肝炎病毒的RNA复制,因此成为一种治疗丙型肝炎的有效方法.通过计算机方法进行虚拟筛选和预测NS5B聚合酶抑制剂已经变得越来越重要.本文主要采用机器学习方法(支持向量机(SVM)、k-最近相邻法(k-NN)和C4.5决策树(C4.5 DT))对已知的丙型肝炎病毒NS5B蛋白酶抑制剂与非抑制剂建立分类预测模型.1248个结构多样性化合物(552个NS5B抑制剂与696个非NS5B抑制剂)被用于测试分类预测系统,并用递归变量消除法选择与NS5B抑制剂相关的性质描述符以提高预测精度.独立验证集的总预测精度为84.1%-85.0%,NS5B抑制剂的预测精度为81.4%-91.7%,非NS5B抑制剂的预测精度为78.2%-87.2%.其中支持向量机给出最好的NS5B抑制剂预测精度(91.7%):C4.5决策树给出最好的非NS5B抑制剂预测精度(87.2%);k-最近相邻法给出最好的总预测精度(85.0%).研究表明机器学习方法可以有效预测未知数据集中潜在的NS5B抑制剂,并有助于发现与其相关的分子描述符.
机器学习方法、分子描述符、递归变量消除法、支持向量机、丙型肝炎病毒
27
O641(物理化学（理论化学）、化学物理学)
国家重点基础研究发展规划项目2009CB118500;教育部留学归国人员科研启动基金20071108-18-15The project was supported by the National Key Basic Research Program of China2009CB118500;Scientific Research Foundation for the Returned Overseas Chinese Scholars,Ministry of Education,China20071108-18-15
2011-09-26（万方平台首次上网日期，不代表论文的发表时间）
共10页
1407-1416
