支持向量回歸用于氨基酸描述符

1、 HYPERLINK 支持向量量回歸用用于氨基基酸描述述符在肽肽QSAAR建模中中的性能能評(píng)價(jià)（黑體三三號(hào)、居居中）應(yīng)用化學(xué)學(xué)20008級(jí)學(xué)號(hào)200081223張明康（宋體小小四號(hào)、居中）任課教師師印家健健副教授授（宋體小小四號(hào)、居中）摘要：（宋體小小四號(hào)、加粗、頂格）采用支支持向量量回歸方方法用3個(gè)數(shù)據(jù)據(jù)集來評(píng)評(píng)價(jià)z-sscalles、c-sscalles、ISAA-ECCI、MS-WHIIM、PRIIN等5個(gè)氨基基酸描述述符在肽肽QSAAR支持向向量回歸歸模型構(gòu)構(gòu)建中的的性能并并對(duì)核函函數(shù)進(jìn)行行選擇，采采用留一一法交叉叉檢驗(yàn)的的結(jié)果顯顯示徑向向基核函函數(shù)要好好于多項(xiàng)項(xiàng)式核函函數(shù)和線線性核函

2、函數(shù)；在在以徑向向基核函函數(shù)的支支持向量量回歸模模型中表表明z-sscalles的預(yù)測測準(zhǔn)確度度要略優(yōu)優(yōu)于其它它描述符符，且在在同一描描述符的的情況下下SVR的預(yù)測測效果要要好于其其它線性性方法，說說明SVR在肽QSAAR模型構(gòu)構(gòu)建中是是一個(gè)可可行的方方法。（中文用用楷體小小四號(hào)、英文用用Timmes Neww Roomann小四號(hào)、兩端對(duì)對(duì)齊）關(guān)鍵詞：（宋體小小四號(hào)、加粗、頂格）肽，定定量構(gòu)效效關(guān)系，核核函數(shù)，支支持向量量回歸，性性能評(píng)價(jià)價(jià)（楷體小小四號(hào)、兩端對(duì)對(duì)齊）（關(guān)鍵詞詞間，用逗號(hào)號(hào)隔開）多肽具有有高活性性、高選選擇性及及副作用用小的特特點(diǎn),是維持持生命過過程中必必不可少少的物質(zhì)質(zhì),目

3、前已已成為藥藥物研究究的熱點(diǎn)點(diǎn)之一。在多肽肽類似物物的研究究和開發(fā)發(fā)中,定量構(gòu)構(gòu)效關(guān)系系(Quaantiitattivee sttruccturre-aactiivitty rrelaatioonshhipss，QSAAR)是一個(gè)個(gè)重要的的理論計(jì)計(jì)算方法法和常用用手段。所謂多多肽QSAAR,就是用用數(shù)學(xué)模模式來表表達(dá)多肽肽類似物物的化學(xué)學(xué)結(jié)構(gòu)信信息與特特定的生生物活性性強(qiáng)度間間的相互互關(guān)系1,22。多肽的化化學(xué)結(jié)構(gòu)構(gòu)描述符符普遍采采用氨基基酸的結(jié)結(jié)構(gòu)描述述參數(shù)去去定量描描述多肽肽的化學(xué)學(xué)結(jié)構(gòu)和和性質(zhì)，其其基本思思路是以以多肽的的最基本本的結(jié)構(gòu)構(gòu)信息氨基基酸序列列為基礎(chǔ)礎(chǔ),對(duì)一系系列多肽肽類似物

4、物中變化化的氨基基酸殘基基進(jìn)行定定量描述述,并把氨氨基酸序序列轉(zhuǎn)換換成結(jié)構(gòu)構(gòu)描述符符矩陣的的一個(gè)向向量11,2。目前前在肽QSAAR模型中中常用的的氨基酸酸描述符符主要有有：基于于實(shí)驗(yàn)的的z-sscalles1、基于理理論計(jì)算算的-sccalees33、ISAA(issotrropiic ssurffacee arrea)ECII(ellecttronnic chaargee inndexx)44、MS-WHIIM sscorres5、PRIIN66、c-sscalles7以以及基于于分子拓拓?fù)鋵W(xué)的的MHDDV(mmoleecullar hollogrraphhic disstannce ve

5、cctorr)及其衍衍變的拓拓?fù)涿枋鍪龇?8-100。在多肽QQSARR數(shù)學(xué)模模型方面面，文獻(xiàn)獻(xiàn)中常用用的有多多元線性性回歸（mulltipple linnearr reegreessiion, MLLR）100、主主成分回回歸（priinciipall coompoonennt rregrresssionn, PPCR）8、偏最最小二乘乘（parrtiaal lleasst ssquaaress，PLSS）1,4,55和遺遺傳算法法與偏最最小二乘乘法相結(jié)結(jié)合（gennetiic aalgooritthm-parrtiaal lleasst ssquaaress，G/PPLS）等方方法77，但

6、但這些方方法都是是線性方方法，且且對(duì)高維維、非線線性、小小樣本問問題的解解析能力力有限。目前，支支持向量量機(jī)112（suppporrt vvecttor macchinne, SVMM）已廣廣泛的用用于各學(xué)學(xué)科領(lǐng)域域133-15,故我們們嘗試采采用支持持向量回回歸（suppporrt vvecttor reggresssioon, SVRR）166方法法研究多多肽QSAAR數(shù)學(xué)建建模，分分別用48個(gè)苦味味二肽、58個(gè)ACEE(anngiootennsinn coonveertiing enzzymee)抑制劑二二肽和30個(gè)緩激激肽增效效劑五肽肽等作為為數(shù)據(jù)集集，采用用留一法法交叉檢檢驗(yàn)來評(píng)評(píng)價(jià)

7、z-sscalles、c-sscalles、ISAA-ECCI、MS-WHIIM、PRIIN等5個(gè)氨基基酸描述述符在肽肽QSAAR支持向向量回歸歸模型構(gòu)構(gòu)建中的的性能并并對(duì)核函函數(shù)進(jìn)行行選擇，結(jié)結(jié)果顯示示徑向基基核函數(shù)數(shù)要好于于多項(xiàng)式式核函數(shù)數(shù)和線性性核函數(shù)數(shù)；在以以徑向基基核函數(shù)數(shù)的支持持向量回回歸模型型中表明明z-sscalles的預(yù)測測準(zhǔn)確度度要略優(yōu)優(yōu)于其它它描述符符，且在在同一描描述符的的情況下下SVR的預(yù)測測效果要要好于G/PPLS和PLS等方法，說明SVR在肽QSAAR模型構(gòu)構(gòu)建中是是一種可可行的方方法。（中文用用宋體小小四號(hào)、英文用用Timmes Neww Roomann小四號(hào)、

8、段前前縮進(jìn)2個(gè)漢字字，兩端端對(duì)齊）1支持向向量回歸歸算法12,15,17及其實(shí)實(shí)現(xiàn)（中文用用宋體四四號(hào)、英文文用Timmes Neww Roomann四號(hào)、加粗，頂頂格、兩端對(duì)對(duì)齊，序序號(hào)后空空1格，不不用標(biāo)點(diǎn)點(diǎn)符號(hào)）近年來，有有限樣本本情況下下的機(jī)器器學(xué)習(xí)理理論研究究逐漸成成熟，形形成了一一個(gè)較完完善的理理論體系系-統(tǒng)計(jì)學(xué)學(xué)習(xí)理論論177。支支持向量量機(jī)是Vappnikk等人根根據(jù)統(tǒng)計(jì)計(jì)學(xué)習(xí)理理論提出出的一種種新的模模式識(shí)別別方法，它它是建立立在統(tǒng)計(jì)計(jì)學(xué)理論論VC維（Vappnikk-Chhervvoneenkss diimennsioon）理論論和結(jié)構(gòu)構(gòu)風(fēng)險(xiǎn)最最小原理理（strructtu

9、raal rriskk miinimmizaatioon iinduuctiive priinciiplee）基礎(chǔ)上上的，能能較好地地解決小小樣本、非線性性、高維維數(shù)等實(shí)實(shí)際問題題，并成成功地解解決了過過擬合的的控制問問題，提提高了算算法的預(yù)預(yù)報(bào)能力力，并成成功的應(yīng)應(yīng)用于分分類、函函數(shù)逼近近和時(shí)間間序列預(yù)預(yù)測等方方面。而而肽生物物活性值值的預(yù)測測問題也也可以看看作是一一種對(duì)活活性值與與其影響響因子之之間復(fù)雜雜的非線線性函數(shù)數(shù)關(guān)系的的逼近問問題，因因此我們們嘗試將將支持向向量回歸歸應(yīng)用于于肽活性性值的預(yù)預(yù)測建模模并利用用SVR方法來來評(píng)價(jià)各各氨基酸酸描述符符在肽QSAAR模型中中的建模模能力，以

10、以及分析析多肽中中各氨基基酸性質(zhì)質(zhì)對(duì)其活活性值的的影響。利用MATTLABB語言及及所帶的的優(yōu)化工工具箱可可以很容容易的實(shí)實(shí)現(xiàn)上述述算法。2數(shù)據(jù)據(jù)來源及及處理2.155個(gè)重要要的氨基基酸描述述符（中文用用宋體小小四號(hào)、英文用用Timmes Neww Roomann小四號(hào)、加粗粗，頂格格、兩端端對(duì)齊，序序號(hào)間用用圓點(diǎn)隔隔開，最最后空1格，不不再用標(biāo)標(biāo)點(diǎn)符號(hào)號(hào)）利用SVVR模型對(duì)對(duì)氨基酸酸描述符符作肽QSAAR預(yù)測性性能的評(píng)評(píng)價(jià)，選選用的5個(gè)氨基基酸描述述符見表表1，其中codde為20個(gè)天然然氨基酸酸的單字字母符。（表格采采用三線線表）（表題：中文用用宋體五五號(hào)、英文文用Tiimess Neew

11、 RRomaan五號(hào)、加粗粗，居中中，表序序后空1格，不不用標(biāo)點(diǎn)點(diǎn)符號(hào)）（英文文表題： Tiimess Neew RRomaan五號(hào)、加粗粗，居中中，表序序后空2格，不不用標(biāo)點(diǎn)點(diǎn)符號(hào)）表15個(gè)個(gè)氨基酸酸描述符符的數(shù)值值Tablle1 numeericcal vallue of fivve aaminno aacidd deescrripttorssCODEEz-sccaleesc-sccaleesISA-ECIIMS-WWHIMMPRINNZ1Z2Z3C1C2C312123123A0.077-1.7730.099-10.86-4.442-0.99262.9930.055-0.7730.2-0.

12、662-1.002-7.9990.777R2.8882.522-3.44412.3339.688-7.55552.9981.699-0.2220.2771.000-8.44310.1180.788N3.2221.4550.844-2.4496.5772.43317.8871.3110.1440.2-0.666-8.0000.333-2.446D3.6441.1332.366-3.1188.3115.46618.4461.2550.111-1.000-0.996-10.27-0.338-2.771C0.711-0.9974.133-7.0061.2552.63378.5510.155-0.666

13、0.266-0.2275.733-3.330-8.114Q2.1880.533-1.1141.8446.9880.35519.5531.3660.31.000-0.33-7.4402.522-0.992E3.0880.399-0.0070.9228.8884.44430.1191.3110.244-0.339-0.004-8.8821.433-1.335G2.233-5.3360.3-14.99-2.5541.97719.9930.022-0.331-0.228-0.775-4.664-10.721.755H2.4111.7441.1114.988-4.4484.287.3380.5660.8

14、440.677-0.778-0.9933.333-2.224I-4.444-1.668-1.0030.322-4.002-6.338149.770.099-0.9910.833-0.22511.112-1.9951.822L-4.119-1.003-0.9980.411-4.554-6.556154.350.1-0.7740.722-0.1169.400-1.5561.899K2.8441.411-3.1145.1444.111-6.112102.780.533-0.5510.0880.6-8.5507.2773.877M-2.449-0.227-0.4411.5660.455-3.22213

15、2.220.344-0.771.000-0.3327.8880.311-2.556F-4.9921.30.4556.622-6.9972.688189.420.1440.7660.855-0.33411.5512.666-0.448P-1.2220.8882.233-5.004-4.665-1.552122.350.166-0.4430.733-0.66-1.336-3.4449.000S1.966-1.6630.577-8.4471.6442.35519.7750.566-0.880.611-1.000-6.660-5.225-1.113T0.922-2.009-1.44-5.22-0.88

16、2-0.1159.4440.655-0.5580.855-0.889-4.009-3.3390.177W-4.7753.6550.85516.556-8.2236.033179.161.0881.0000.988-0.44711.9927.9221.255Y-1.3392.3220.01110.336-2.0084.511132.160.7220.9770.666-0.1164.8006.3330.055V-2.669-2.553-1.229-3.773-5.114-4.772120.910.077-1.0000.799-0.5587.700-4.2270.633.3結(jié)果果與討論論在SVRR模

17、型中中，通過過依次去去掉肽鏈鏈中的每每個(gè)氨基基酸的z-sscalles中的一一個(gè)值，根根據(jù)模型型LOOO-CV法的PREESS值的大大小可以以判斷每每個(gè)氨基基酸對(duì)此此類肽類類似物生生物活性性的影響響。為此此，以每每去掉一一個(gè)z-sscalles的模型型（5個(gè)參數(shù)數(shù)）的PREESS與原模模型（6個(gè)參數(shù)數(shù)）的PREESS的差值值為縱坐坐標(biāo)，以以依次去去掉z-sscalles中的一一個(gè)值的的順序?yàn)闉闄M坐標(biāo)標(biāo)作圖（圖2、圖4、圖6）。由于z1主要和氨基酸的親水性有關(guān)、z2同氨基酸的立體大小有關(guān)和z3主要氨基酸的電性參數(shù)有關(guān)5。所以，由圖2可知，PRESS在依次分別去掉第一、二位氨基酸的z1時(shí)升高很多，

18、說明苦味二肽的活性主要與兩個(gè)位置的疏水性性質(zhì)有關(guān)，這與文獻(xiàn)相一致4；PRESS在依次分別去掉第一、二位氨基酸的z2時(shí)略有升高，苦味二肽的活性主要與兩個(gè)位置的立體大小性質(zhì)弱相關(guān)；去掉z3時(shí)幾乎沒有變化，表明與其電性性質(zhì)無關(guān)。圖248個(gè)苦味二肽PRESS差值與去掉氨基酸性質(zhì)位置Figure 1 Plot of PRESS and removed amino acid property position of a set 48 bitter tasting dipeptides with z-scales（圖題：中文用用宋體五五號(hào)、英文文用Tiimess Neew RRomaan五號(hào)、加粗，居居中，

19、序序序后空空1格，不不用標(biāo)點(diǎn)點(diǎn)符號(hào)）（英文圖圖題： Timmes Neww Roomann五號(hào)、加粗粗，居中中，圖序序后空2格，不用用標(biāo)點(diǎn)符符號(hào)）（圖注：中文用用宋體五五號(hào)、英文文用Tiimess Neew RRomaan五號(hào)，居中中）.參考文獻(xiàn)獻(xiàn)（中文用用宋體四四號(hào)加粗，頂頂格、左左端對(duì)齊齊，不用用序號(hào)）1（Timmes Neww Roomann五號(hào)、后空1格，不不用標(biāo)點(diǎn)點(diǎn)符號(hào)）HelllbeergSS，SjoostrroemmM，SkaagerrberrgB，et al. Peeptidde qquanntittatiive strructturee-acctivvityy ree laa

20、tioonshhipss,a mmulttivaariaate appproaach J.J.Medd Chhem，19887,330：1122611335.2丁丁俊杰，丁丁曉琴，趙趙立峰，等.多肽定量構(gòu)效關(guān)系與分子設(shè)計(jì)J.化學(xué)進(jìn)展，2005，17：130136.3 CoccchiiM，JohhansssonnE.Amiino aciids chaaraccterrizaatioon bby GGRIDD annd mmulttivaariaate datta aanallysiisJJ. QuaantSStruuct-Actt.Reelatt.，19993,112：18.4 Colllann

21、tessER，DunnnWJIIII. Amminoo accidss siide chaain desscriiptoors forr quuanttitaativve sstruuc tturee-acctivvityy reelattionnshiip sstuddiess off peeptiide anaalogguessJ.J.Medd.Chhem.，19995,33：27005-227133.5 Zallianni AA，GannciaaE. MSS-WHHIM scooress foor aaminno aac iids： a neww 3DD-deescrripttor fo

22、rr peeptiide QSAAR aand QSPPR sstuddiessJ，J.CChemm.Innf.CCompput.Scii，19999,339：52555333.6 Spyyriddon V，Booojalla VV B R，andd Yiiannnis K.PPreddicttionn off diistaant ressiduue cconttactts wwithh thhe uuse of evooluttionnaryy innforrmattionnJ.Protteinns：strructturee，funnctiion，andd biioinnforrmattic

23、ss，20005，58：9359499.7丁丁俊杰，丁丁曉琴，趙趙立峰，等.新型三維氨基酸結(jié)構(gòu)描述符的研究及其在多肽QSAR中的應(yīng)用J.藥學(xué)學(xué)報(bào)，2005，40(4)：340346.8 Shuusheen LLiu，Chuunshhengg Yiin，Shaaoxii，et al，A NNoveel MMHDVV Deescrripttor forr Diipepptidde QQSARR SttudiiesJ.Jouurnaaloffthee Chhineese Cheemiccal Soccietyy，20001，48：25332600.9 Sheengsshi Zhiiliaang Li

24、，Biaanhoong Fuaa，Yuaanqiiangg Waang，et al.On Strructturaal PParaametteriizattionn annd MMoleecullar Moddeliing of PepptiddeAnnalooguees bby MMoleecullar Eleectrroneegattiviity edgee Veectoor (VMEEE)：Esttimaatioon aand Preedicctioon ffor Bioologgicaal AActiivitty oof DDipeeptiidessJ,Joournnal of thee

25、 Chhinesse CChemmicaal SSocietyy，20001，48：93779444.10 Liiu SShu-Sheen，Yinn Chhun-sheeng，Wanng LLiann-Shhengg.Coombiinedd MEEDV-GA-MLRR Meethood ffor QSAAR oof TThreee PPaneels of Steeroiid,DDipeeptiidess,annd CCOX-2 IInhiibittorssJ.J.cheem.IImpu.scii，20002，42：7497566.11 Liin ZZhihhua，Wu Yuzzhanng，Qu

26、aan XXuejjun，et al.Usee off a novvel eleectrrotoopollogiicall deescrripttor forr thhe ppreddicttionn off biioloogiccalaactiivitty oof ppepttidee annaloogueesJJ. Lettterrs iin PPepttidee Scciennce， 20002，9：27332811.12Nelllo Criistiianiini，Johhn SShawwe-TTayllor著.李國正正，王猛，曾華軍軍譯.支持向向量機(jī)導(dǎo)導(dǎo)論MM.北京：電子工工業(yè)出版版社，20004，981066.13 MAANOJJ BHHASIIN，GPSRAGGHAVVA.Anaalyssis andd prrediictiion of afffiniity ofTTAP binndinng ppepttidees uusinng ccasccadee SVVMJJ.PProtteinn Scciennce，20004，13：59