论文部分内容阅读
聚腺苷二磷酸核糖聚合酶-1[poly(ADP-ribose)polymerase,PARP-1]是PARP家族中承担功能最多且研究最多的亚型,被认为是癌症治疗的潜在靶点。PARP-1参与真核细胞中DNA修复和细胞死亡的调节,它是乳腺癌、卵巢癌和前列腺癌等疾病研究的重要靶点。本论文以PARP-1的抑制剂为研究对象,利用多种机器学习算法对PARP-1抑制剂进行高低活性分类研究、分子骨架聚类研究以及生物活性的定量构效关系研究。本研究的具体工作内容如下:(1)采用支持向量机(SVM)和随机森林(RF)算法构建了 PARP-1抑制剂的高低活性分类模型。本文首次建立了包含2416个PARP-1抑制剂的数据库,IC50值在0.21 nM到210000 nM左右。以50~500 nM为阈值来划分高低活性:即活性值小于或等于50 nM的化合物为高活性化合物,大于或等于500nM的为低活性化合物,在二者之间的化合物舍去,得到了包含1637个高低活性化合物的数据集。通过随机分层抽样的方式将1637个化合物划分为训练集和测试集,训练集的1227个化合物用于建立模型,而测试集中的410个化合物用于验证所建模型的泛化能力。计算CORINA描述符、MACCS指纹、ECFP4指纹描述符来对所有化合物进行表征,基于支持向量机(SVM)和随机森林(RF)算法进行超参数和描述符数量的组合寻优,选出每种描述符和算法对应的最佳模型,最终建立了六个模型,并且计算欧几里得距离得到模型的应用域。这六个模型的训练集和测试集的预测准确率(Q)均大于0.85,马修斯相关系数(MCC)都在0.7以上,说明模型的预测能力较好。此外,应用带有噪声的基于密度聚类(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)算法对1637个化合物进行聚类分析,将所有抑制剂划分为14个小类,按照每个小类的结构特点来研究分子结构骨架与抑制剂的高低活性之间的关系,发现4类分子骨架通常出现在高活性的抑制剂中。(2)采用支持向量机、随机森林以及多元线性回归(MLR)算法构建了 PARP-1抑制剂生物活性的定量预测模型。建立了包含513个PARP-1抑制剂的数据集,其IC50值都是由酶联免疫法测定的。将数据集进行三次随机划分,分别得到不同的包含385个化合物的训练集和128个化合物的测试集。通过计算CORINA描述符和RDKit 2D描述符来表征化合物,利用SVM、RF和MLR算法得到了 18个回归模型,其中基于CORINA描述符建立的随机森林模型(1A系列)的测试集平均决定系数最高(R2mean=0.595)且平均均方根误差最小(RMSEmean=0.524)。通过对1A系列模型共用的描述符分析,发现了π原子电荷、四面体手性中心的数量、分子的总电荷和分子直径这4个性质对模型预测化合物的生物活性贡献较大。本论文所建立的机器学习模型可用于PARP-1抑制剂的虚拟筛选,分子骨架聚类结果也可以为先导化合物的设计提供帮助。