基于密集连接神经网络模型预测化合物与蛋白质绑定的研究

发布时间：2021-04-12 05:14

　　传统的药物研发（合成新物质的方法）耗时,又昂贵,成功率低,该模式遇到发展瓶颈。近现代的实验化学、理论化学、药理学和毒理学等学科的发展,揭示了一些化合物与蛋白质之间绑定的特征,但仍然有限,这制约了药物研发的进程。基于天然植物、动物、矿物化学成分的方法在药物研发过程中一直占有重要位置,并积累了大量的实验数据。如何从这些实验数据中抽取更多化合物与蛋白质之间绑定的特征,预测新的化合物与蛋白质之间绑定关系,对于药物研发具有重要的提示性作用。近些年,随着人工智能得到迅猛发展,各领域积极引入基于深度学习的实验方法,并且取得了突破性进展。深度学习也称为分层学习,该方法主要是受生物大脑启发所设计出来的模型。深度学习在规模较大的原始数据规模上,通过逐层变化自动提取特征,并对提取的层次化特征自动学习。由于深度学习可以对特征自动进行提取,对研究者的专业知识没有太高要求,并且速度快,精度高,对处理数据量规模较大的实验占据很大优势,从而为抽取更多化合物与蛋白质之间绑定特征提供了新的途径。本文利用了深度学习模型中的密集连接,通过在不同层之间增加跳跃连接加强了模型的信息交流,帮助模型学习到更加鲁棒的特征,还可以解决深... 

【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

新药研发流程

兰州大学硕士研究生学位论文基于密集连接神经网络模型预测化合物与蛋白质绑定的研究7图2-2临床试验各阶段的成功率第一步：确定靶向新药研发的起点是确定疾病治疗目标和作用的环节和靶标，该起点也是日后实施各项操作的根据。药物作用的靶点是多种多样的，有人类自身相关的药物靶点，也有针对病原体的药物靶点。来自人类自身的药物靶点，主要包括蛋白质、核酸及其他大分子，如糖、脂质体等；来自病原体的靶点也大致相同，只是具体的靶点可能有所不同。这里主要讨论来自人类自身的靶点——蛋白质，主要包括受体、酶和离子通道，是最常见的的药物作用靶点。同时，不同靶点药物占总药物的比例也会有所差异。确定靶向主要包括靶点的发现和鉴定两个过程。靶点的鉴定主要采用三种现代技术：基因组学的方法、蛋白质组学方法和遗传学分析。基因组学的方法是通过对RNA的研究寻找疾病相关基因。蛋白质组学方法主要是通过双向（2D）电泳、SDS-PAGE，结合质谱分析发现与疾病相关的蛋白质。遗传学分析主要是对靶点候选基因展开核苷酸多态性分析，完成DNA的基因分型，再展开相关数据分析。通过比较正常样本和病理样本在基因水平和蛋白质水平的两个层面的差异，揭示疾病发生的分子机制，从而发现新的药物靶点。靶点的验证可以通过调控靶点在疾病组织的表达水平，也可以通过RNAi技术在细胞水平特异并高效地抑制靶基因产物的表达，或在动物模型中，通过基因敲除手术，获得去靶点基因表达功能表型，亦可采用转基因鼠等技术验证靶点与疾病的相关性[15]。第二步：筛选化合物，确定先导化合物

学习并发掘数据背后隐藏的关系模式，为进一步的数据提供分析基矗此类学习任务中研究最多、应用最广、最具代表性的是聚类。机器学习的目标是使学得的模型能更好的适用于“新样本”，而不是仅仅在训练样本上工作的很好；即便对聚类这样的无监督学习任务，也希望学得的簇划分能适用于没在训练集中出现的样本。机器学习与基于人工规则的模型相比，无须人工给出规则，而是让程序自动从大量的样本中抽象、归纳出知识与规则。因此，它具有更好的通用性，采用这种统一的处理框架，人们可以将机器学习算法用于各种不同的领域。图2-3机器学习任务的一般流程2.2.2表示学习及深度学习概述机器学习算法之所以能够取得成功一个至关重要的因素是数据表示，机器学习的上限取决于数据表示，而算法只是尽可能的接近该上限。此处所提到的数据是特征工程加工后得到的。特征工程是指专家依据自身的专业背景知识，从原始

【参考文献】：
期刊论文
[1]基于分子描述符和机器学习方法预测和虚拟筛选乳腺癌靶向蛋白HEC1抑制剂[J]. 何冰,罗勇,李秉轲,薛英,余洛汀,邱小龙,杨登贵.  物理化学学报. 2015(09)
[2]生物技术与中药研发[J]. 施偲.  卫生职业教育. 2013(11)
[3]胆红素与血红蛋白分子作用的发光光谱分析[J]. 杨培慧,郑志雯,蔡继业.  发光学报. 2004(03)
[4]光谱法研究苯甲酸钠与牛血清白蛋白的作用[J]. 王亚俐,王海芳.  北京大学学报(自然科学版). 2002(02)

硕士论文
[1]基于深度学习的化合物与蛋白质相互作用关系的研究[D]. 李成强.兰州大学 2019



本文编号：3132689