《基於幾何算法與機器學習的反向配體結合位點預測》是依託南開大學，由王奎擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於幾何算法與機器學習的反向配體結合位點預測
- 項目類別：青年科學基金項目
- 項目負責人：王奎
- 依託單位：南開大學
中文摘要,結題摘要,
中文摘要
蛋白質-配體結合位點的預測，是生物信息學中的重要問題。廣泛套用於蛋白質功能注釋，虛擬藥物篩選，合理化藥物設計中。反向配體結合位點的預測不同於一般蛋白質-配體結合位點的預測。一般蛋白質-配體結合位點預測中給定蛋白質靶點，預測哪些配體與之結合。而反向配體結合位點預測，是指對特定的配體，預測與之結合的蛋白質，進而對該配體的功能與作用進行推斷。反向配體結合位點預測對於理解蛋白質-配體結合機理，藥物副作用的發現等方面有著重要的作用。 本項目研究的主要內容和創新點包括：提出從反向配體結合位點預測到藥物副作用推測的系統研究方案；將機器學習與幾何算法相結合進行反向配體結合位點的預測；技術上，將統計深度函式，gamma可達半徑等幾何特徵引入到蛋白質-配體結構的幾何計算中。這些創新將有效地提高反向配體結合位點的預測精度，可作為蛋白質-配體結合模式分析與重大疾病相關藥物副作用研究的基礎。
結題摘要
反向蛋白質-配體結合位點預測，即在給定配體的前提下，預測哪些蛋白質能夠與其結合。具體到藥物作為配體，即在給定藥物的前提下，藥物-靶點的預測給出有哪些藥物靶點能夠結合給定藥物。因此反向配體結合位點的預測，在推測藥物副作用與老藥新用的研究中具有重要作用。本項目的研究目標圍繞預測蛋白質-配體結合位點-＞預測藥物靶點-＞推測藥物副作用這條主線展開。研究內容包括基於幾何算法與機器學習，開發快速準確的反向蛋白質-配體結合位點的新算法；對藥物的靶點進行預測，並構建相應資料庫；分析藥物靶點的幾何特徵，理化性質等等。 本項目目前基本完成，包括前期工作取得的進展如下：1、開發了基於Findsite與SMAP，結合機器學習的反向蛋白質-配體結合位點預測算法ILBind；2、將ILBind套用於重要免疫抑制劑Cyclosproine A（CSA）上,成功取得的三個潛在靶蛋白calpain2,caspase 3和p38 MAP kinase 14。3、構建蛋白質-藥物作用資料庫（Protein-Drug interaction Database,PDID）。4、統計深度函式在B細胞表位構象中的分析。5、對藥物靶點蛋白質的無序性進行系統分析。 目前的研究進展能夠基本覆蓋從使用算法預測結合位點到實驗驗證藥物-靶點結合能力，從單一藥物預測到多藥物預測的研究路徑。對於研究目標基本構建了完整的研究系統。已取得研究的結果包括CSA靶點的驗證，蛋白質-藥物作用資料庫（PDID），能夠為藥物開發與研究提供幫助，具有理論意義與實際價值。
