吕 巍 薛 英

(1山东农业大学生命科学学院,作物生物学国家重点实验室,山东泰安271018;2四川大学化学学院,教育部绿色化学与技术重点实验室,成都610064;3四川大学生物治疗国家重点实验室,成都610041)

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

吕 巍1薛 英2,3,*

(1山东农业大学生命科学学院,作物生物学国家重点实验室,山东泰安271018;2四川大学化学学院,教育部绿色化学与技术重点实验室,成都610064;3四川大学生物治疗国家重点实验室,成都610041)

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……