《蛋白質-配體綁定區域預測的特徵抽取及學習算法研究》是依託南京理工大學，由於東軍擔任項目負責人的面上項目。
基本介紹
- 中文名：蛋白質-配體綁定區域預測的特徵抽取及學習算法研究
- 項目類別：面上項目
- 項目負責人：於東軍
- 依託單位：南京理工大學
項目摘要,結題摘要,
項目摘要
蛋白質與其他生物分子(配體)之間的互相作用在生命過程中普遍存在並且不可或缺。準確識別出蛋白質與配體之間的相互作用區域，對於理解蛋白質的功能、分析生物分子之間的相互關係、指導藥物設計等具有重要的指導意義。隨著蛋白質數據的海量呈現，研發高效可靠的智慧型方法來進行蛋白質-配體綁定區域預測成為迫切需要。本項目在分析現有預測模型存在不足和瓶頸的基礎上，從特徵抽取和模型學習算法兩個層面展開系統研究，以進一步提高蛋白質-配體綁定預測方法的可靠性和可用性。具體研究內容包括：蛋白質進化圖象的稀疏特徵抽取、蛋白質多視角特徵差異性分析及抽取、配體特異性預測模型、增量式預測模型以及可解釋性預測模型。本研究旨在為生物學及相關研究人員提供理論依據充分、實用性強、具有良好可解釋性的套用系統，亦是對蛋白質生物計算領域的豐富與發展，有助於進一步推動生物信息學的發展。
結題摘要
蛋白質通過綁定位點、區域等形式與配體之間產生相互作用，這些相互作用在生命活動中是廣泛存在且不可或缺的。精確地識別蛋白質與配體之間的綁定位點及區域，對於理解蛋白質的功能、分析生物分子之間的相互關係、藥物設計等具有重要的指導意義。隨著蛋白質數據的海量呈現及持續增長，蛋白質大數據時代已然到來。在大數據時代下，研發智慧型高效的蛋白質-配體綁定區域預測方法是十分有必要的。 本項目完成了基於多視角特徵學習的配體綁定位點模型、基於類不平衡學習的配體綁定位點模型、基於海量蛋白質數據分析的配體綁定位點預測模型以及基於多標籤學習算法的配體綁定位點預測模型的學習與構建；發表相關SCI/SCIE期刊論文20篇、國際會議論文2篇；授權國家發明專利4項及軟體著作權4項。上述研究成果進一步地提高蛋白質-配體綁定預測方法的可靠性和實用性。為了便於實際套用，本項目為生物學及相關研究人員提供了理論依據充分、實用性強、互動性良好的套用服務系統。本項目是對蛋白質生物計算領域的豐富，有助於進一步推動生物信息學的發展。
