本文關鍵詞：基于機器學習的藥物靶蛋白預測，由筆耕文化傳播整理發(fā)布。

【摘要】：目前,市場上種類繁多的藥物給人們的健康提供了保障。通常,藥物進入人體后會與特定的蛋白相互作用,從而達到其治療效果。與藥物相互作用的蛋白中有些可能具有脫靶效應,使得藥物具有毒副作用[1,2]。因此,精確識別藥物的療效靶蛋白,可以提高藥物療效、降低副作用,提高人們的健康水平。首先,本文調(diào)研了現(xiàn)有的藥物-靶蛋白計算方法。根據(jù)數(shù)據(jù)來源的不同,將這些方法分為三類:(1)基于基因表達的計算方法;(2)基于分子網(wǎng)絡的計算方法;(3)基于藥物效用的計算方法。另外,本文還對各類不同方法進行了深入分析,指明了這些方法優(yōu)缺點。其次,基于藥物的結(jié)構(gòu)、療效特征,蛋白的序列、功能及編碼蛋白的基因表達量特征,我們提出了一種新的集成分類器方法(PTEC)用來預測藥物療效靶標。真實數(shù)據(jù)上的實驗結(jié)果表明,PTEC獲得了高達0.83的AUC(接受者操作特征曲線下的面積)得分,表明該模型具有很高的預測能力。另外,部分預測結(jié)果還得到了TTD數(shù)據(jù)庫[3]的驗證,進一步表明了該方法的可靠性。最后,本文介紹了一種預測蛋白-蛋白相互作用可靶性的計算方法。利用蛋白-蛋白相互作用界面的氨基酸組成、理化性質(zhì),蛋白-蛋白復合物的結(jié)構(gòu)性質(zhì),溫度因子,蛋白的相互作用和應激藥物的靶標等特征屬性,本文構(gòu)建了一種新的計算方法預測蛋白-蛋白相互作用的可靶性。另外,通過特征抽取和特征選擇,識別了蛋白-蛋白相互作用可靶性的關鍵特征屬性。基于這些特征,可以精確預測蛋白-蛋白相互作用的可靶性。
【關鍵詞】：藥物靶標預測 多源數(shù)據(jù)整合 蛋白-蛋白相互作用可靶性預測 機器學習
【學位授予單位】：上海大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：R915;Q51
【目錄】：

• 摘要6-7
• ABSTRACT7-9
• 第一章 緒論9-17
• 1.1 計算生物學簡介9
• 1.2 藥物靶標數(shù)據(jù)庫及機器學習算法9-12
• 1.2.1 藥物靶標數(shù)據(jù)庫9-11
• 1.2.2 機器學習算法11-12
• 1.3 基于機器學習的藥物靶標預測問題描述及研究意義12-13
• 1.4 國內(nèi)外研究概況13-16
• 1.5 論文的主要研究工作16-17
• 第二章 基于集成分類器的藥物靶蛋白預測17-32
• 2.1 引言17-18
• 2.2 基于不同數(shù)據(jù)來源的藥物靶標預測方法18-25
• 2.2.1 基于基因表達的預測方法18-20
• 2.2.2 基于分子網(wǎng)路的預測方法20-23
• 2.2.3 基于藥物效用的預測方法23-25
• 2.3 整合多源數(shù)據(jù)，基于集成分類器的藥物-療效靶蛋白預測25-28
• 2.3.1 數(shù)據(jù)25-26
• 2.3.2 方法26-27
• 2.3.3 預測模型27-28
• 2.4 研究結(jié)果與分析28-30
• 2.5 研究結(jié)論30-32
• 第三章 基于機器學習的蛋白相互作用可靶性預測32-41
• 3.1 引言32-33
• 3.2 實驗數(shù)據(jù)與方法33-39
• 3.2.1 數(shù)據(jù)33-34
• 3.2.2 方法34-38
• 3.2.3 預測模型38
• 3.2.4 預測性能評價38-39
• 3.3 研究結(jié)果與分析39-40
• 3.4 研究結(jié)論40-41
• 第四章 結(jié)論與展望41-43
• 4.1 結(jié)論41-42
• 4.2 展望42-43
• 參考文獻43-48
• 作者在攻讀碩士學位期間公開發(fā)表的論文48-49
• 作者在攻讀碩士學位期間所參與的項目49-50
• 致謝50

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 郝理陽;潘泉;張紹武;;整合蛋白質(zhì)作用網(wǎng)絡結(jié)構(gòu)和序列信息預測藥物靶蛋白[J];生物物理學報;2013年09期

2 國斌;易斌;魯開智;;哺乳動物雷帕霉素靶蛋白的研究進展[J];醫(yī)學研究生學報;2010年08期

3 韓旭;陳松;張濟;劉靜;;miR15a靶蛋白依賴性的功能研究進展[J];生命科學研究;2013年05期

4 趙思成;駱丹;;HPV E6蛋白及其在致癌過程中作用的靶蛋白[J];中國生物化學與分子生物學報;2009年03期

5 劉文棟;龐朋沙;伍會健;;蛋白質(zhì)多聚SUMO化修飾及其功能[J];中國生物化學與分子生物學報;2009年11期

6 唐蓓;唐彥;;RhoB分子靶蛋白MHY9的鑒定[J];中國細胞生物學學報;2013年03期

7 解智慧;;SCF泛素連接酶靶蛋白識別組分FBW7[J];生命的化學;2008年05期

8 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前4條

1 謝云峰;金鈺龍;黃嫣嫣;趙睿;汪福意;劉國詮;;肝癌相關靶蛋白抗原表位多肽合成產(chǎn)物的分離與鑒定[A];全國生物醫(yī)藥色譜學術交流會（2010景德鎮(zhèn)）論文集[C];2010年

2 張宇;周娜汝;周亮;張喜風;吳蓉花;張運海;;哺乳動物雷帕霉素靶蛋白信號通路抑制對小鼠胚胎早期發(fā)育的影響[A];中國畜牧獸醫(yī)學會動物繁殖學分會第十六屆學術研討會論文集[C];2012年

3 梁振;夏思敏;陶定銀;張麗華;張玉奎;;紫杉醇藥物靶蛋白篩選新方法研究[A];中國化學會第27屆學術年會第09分會場摘要集[C];2010年

4 施燕紅;黃劍英;林東海;;用NMR等譜學技術研究靶蛋白Cyclophilin A的結(jié)構(gòu)穩(wěn)定性及去折疊過程[A];第十三屆全國波譜學學術會議論文摘要集[C];2004年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 記者 陳丹;藥物綁定靶蛋白的效果首次可直接測量[N];科技日報;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前5條

1 代艷芬;基于機器學習的藥物靶蛋白預測[D];上海大學;2015年

2 王巖;REGγ靶蛋白的探究[D];華東師范大學;2012年

3 張靜靜;淋巴管平滑肌瘤病研究進展[D];蚌埠醫(yī)學院;2014年

4 許莉莉;Phix174噬菌體E蛋白的靶蛋白MraY和輔助蛋白SlyD的表達以及單抗的制備[D];吉林農(nóng)業(yè)大學;2013年

5 謝燕玲;磁分離靶蛋白—配體復合物快速篩選混合物配體庫的技術[D];重慶醫(yī)科大學;2009年

  本文關鍵詞：基于機器學習的藥物靶蛋白預測，由筆耕文化傳播整理發(fā)布。

，

本文編號：305324