一种新型氨基酸拓扑结构信息矢量及在肽定量构效关系研究中的应用

从表征分子的66个结构参量和拓扑指数出发,经主成分分析(PCA)得到一种包含134个氨基酸体系的特征描述子:氨基酸拓扑与结构信息矢量(VTSA).将其应用于58个血管紧张素转化酶抑制剂(ACEI)和88个弹性蛋白酶模拟底物催化动力体系(ESCK)的定量构效关系(QSAR)或定量序效模拟(QSAM)研究中,结合遗传偏最小二乘(GPLS)、支持向量机回归(SVMR)以及本文设计的免疫神经网络(INN)技术,成功建立了上述两个肽类似物样本集定量预测模型,并取得优于已有文献报道的结果:ACEI,Rcu2≥0.82,Rcu2≥0.77,Ermse≤0.44(GPLS+SVM);ESCK,Rcu2≥0.84,Rcu2≥0.82,Ermse≤0.20(GPLS+INN).

支持向量机和线性判别分析用于禽流感病毒编码蛋白识别

以支持向量机(SVM)和线性判别分析(LDA)对200条禽流感病毒、100条B型流感和100条C型流感病毒蛋白共400条为训练集样本,从表征序列的200个整体与局部变量中以逐步(stepwise)方法选取24个变量作为LDA模型的输入建立线性识别模型,病毒蛋白总识别率达99.8%,留一法交互检验总识别率为99.4%.从原始200变量中经主成分分析得16个主成分作为SVM的输入,以径向基核函数(RBF)SVM建立非线性识别模型,病毒蛋白总识别率为99.8%,留一法交互检验总识别率为99.2%.以100条禽流感、50条B型流感和50条C型流感病毒编码蛋白质共200条为测试集样本,得LDA模型,对其总识别正确率为95.4%,SVM模型对其总识别正确率为96.5%.识别结果表明,两个模型都可较好识别禽流感病毒蛋白,并且SVM对禽流感病毒蛋白的识别结果优于LDA.