【摘要】：化合物和蛋白質(zhì)相互作用的識別在網(wǎng)絡(luò)藥理學(xué)和藥物發(fā)現(xiàn)中有著非常重要的作用,但是傳統(tǒng)的生化實(shí)驗(yàn)方法既耗時(shí)又昂貴。隨著計(jì)算機(jī)軟件技術(shù)的迅猛發(fā)展,利用計(jì)算機(jī)軟件模擬生化實(shí)驗(yàn)的方法成為可能,這種方法比傳統(tǒng)的生化實(shí)驗(yàn)方法速度更快并且也更加便宜,因此計(jì)算方法開始流行起來。然而,計(jì)算方法要求研究者有濃厚的化學(xué)方面的背景知識并且準(zhǔn)確率并不高,例如分子對接技術(shù),一種研究化合物和蛋白質(zhì)間結(jié)合模式和親和力的理論模擬方法,就需要對化合物和蛋白質(zhì)的結(jié)構(gòu)有深刻的認(rèn)識。近年來,機(jī)器學(xué)習(xí)技術(shù)在日常生活中的應(yīng)用越來越廣泛,如人臉識別、機(jī)器翻譯、無人駕駛。這些應(yīng)用中都使用了一種被稱為深度學(xué)習(xí)的技術(shù)。由于深度學(xué)習(xí)可以自動提取特征,不需要研究者有相關(guān)的背景知識,入門門檻低,并且其學(xué)習(xí)能力強(qiáng)大,在許多任務(wù)上都取得了比傳統(tǒng)機(jī)器學(xué)習(xí)技術(shù)更高的準(zhǔn)確率,因此深度學(xué)習(xí)已經(jīng)在計(jì)算機(jī)視覺、語音識別和自然語言處理方面取得了巨大的成功。同時(shí),深度學(xué)習(xí)在醫(yī)學(xué)、化學(xué)和生物學(xué)中的應(yīng)用也逐漸發(fā)展起來。本文以BindingDB中化合物與蛋白質(zhì)相互作用的數(shù)據(jù)作為依據(jù),并使用SDF(Structure Data File)和蛋白質(zhì)序列表示化合物和蛋白質(zhì)的結(jié)構(gòu)。然后利用隨機(jī)生成算法生成與正樣本數(shù)量相同的負(fù)樣本,并使用深度學(xué)習(xí)中的深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練數(shù)據(jù)。深度神經(jīng)網(wǎng)絡(luò)的輸入為化合物和蛋白質(zhì)的結(jié)構(gòu)數(shù)據(jù),輸出為化合物與蛋白質(zhì)相互作用為綁定的概率。經(jīng)過大量的實(shí)驗(yàn)調(diào)整超參數(shù),最終的深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為多路網(wǎng)絡(luò)。多路網(wǎng)絡(luò)分為特征提取網(wǎng)絡(luò)和分類網(wǎng)絡(luò)。其中特征提取網(wǎng)絡(luò)分別提取化合物和蛋白質(zhì)的特征,其隱藏層有3層,每層2000個(gè)神經(jīng)元;分類網(wǎng)絡(luò)基于特征提取網(wǎng)絡(luò)提取到的特征對化合物和蛋白質(zhì)的相互作用進(jìn)行分類,其隱藏層為1層,有1000個(gè)神經(jīng)元。多路網(wǎng)絡(luò)的參數(shù)數(shù)量達(dá)到了2720萬,最終可以達(dá)到96.73%的測試準(zhǔn)確率。本文將深度學(xué)習(xí)技術(shù)引入化合物與蛋白質(zhì)相互作用分類的研究中。雖然本文所做工作并不能直接應(yīng)用于實(shí)際中,但是對今后深度學(xué)習(xí)在化合物與蛋白質(zhì)相互作用分類研究中的應(yīng)用起到了啟示性的作用。
【學(xué)位授予單位】：蘭州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：R91;TP181
【圖文】：

大大降低了機(jī)器學(xué)習(xí)的門檻，為如今機(jī)器學(xué)習(xí)的熱潮奠定了基礎(chǔ)。深度學(xué)習(xí)是表示學(xué)習(xí)算法的一種，可以通過多個(gè)非線性模塊的疊加得到原始數(shù)據(jù)的多層次的抽象特征。圖2-1展示了深度學(xué)習(xí)、表示學(xué)習(xí)和機(jī)器學(xué)習(xí)的關(guān)系。2.2.3 深度學(xué)習(xí)的歷史神經(jīng)網(wǎng)絡(luò)已經(jīng)經(jīng)歷了幾十年的發(fā)展，其中不乏高潮與低谷，最近才因?yàn)椤吧疃葘W(xué)習(xí)”這個(gè)新名稱重新被人們認(rèn)識。神經(jīng)網(wǎng)絡(luò)的初衷是模擬生物大腦，但是由于對生物大腦的理解還遠(yuǎn)遠(yuǎn)不夠，所以那時(shí)神經(jīng)網(wǎng)絡(luò)還十分簡單，只是在簡單的線性模型上增加了些功能。神經(jīng)網(wǎng)絡(luò)的第一次興起主要是因?yàn)樯飳W(xué)習(xí)理論的發(fā)展[28-29]以及感知機(jī)[30]的出現(xiàn)。感知機(jī)是那時(shí)最為著名的模型，感知機(jī)通過在線性模型之上增加一個(gè)符號函數(shù)將其變?yōu)榉诸惸Ｐ�，通常線性模型的輸出大于 0 則將其預(yù)測為正類，小于0 則將其預(yù)測為負(fù)類，等于 0 則隨機(jī)選擇一個(gè)類別。感知機(jī)算法影響了許多后來的機(jī)器學(xué)習(xí)算法

生物神經(jīng)元與人造神經(jīng)元結(jié)構(gòu)示意圖

人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)流程圖

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王建;;蛋白質(zhì)相互作用數(shù)據(jù)庫[J];中國生物化學(xué)與分子生物學(xué)報(bào);2017年08期

2 陳心浩;胡儉;;基于多特征融合預(yù)測蛋白質(zhì)相互作用界面[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年03期

3 譚從娥;黃祥云;;基于蛋白質(zhì)相互作用網(wǎng)絡(luò)分析右歸丸治療腎陽虛證的療效機(jī)制[J];中國中醫(yī)藥信息雜志;2016年02期

4 楊曉敏;李英倫;;基于蛋白質(zhì)相互作用“熱點(diǎn)”區(qū)域的小分子藥物設(shè)計(jì)研究進(jìn)展[J];生物物理學(xué)報(bào);2015年02期

5 馮舒s

本文編號：2780788