支持向量机与KStar模型预测细胞色素P450酶催化的氧脱烃反应.pdfVIP

物理化学学报(Wuli Huaxue Xuebao) February Acta Phys. -Chim. Sin. 2011, 27 (2), 343-351 343 [Article] 支持向量机与KStar 模型预测细胞色素P450 酶催化的氧脱烃反应 王 丹 张燕玲 乔延江* (北京中医药大学中药学院, 北京100102) 摘要: 分别以支持向量机(SVM)和KStar 方法为基础, 构建了代谢产物的分子形状判别和代谢反应位点判别 的嵌套预测模型. 分子形状判别模型是以272 个分子为研究对象, 计算了包括分子拓扑、二维自相关、几何结构 等在内的1280个分子描述符, 考查了支持向量机、决策树、贝叶斯网络、k 最近邻这四种机器学习方法建立分类 预测模型的准确性. 结果表明, 支持向量机优于其他方法, 此模型可用于预测分子能否被细胞色素P450 酶催化 发生氧脱烃反应. 代谢反应位点判别模型以538 个氧脱烃反应代谢位点为研究对象, 计算了表征原子能量、价 态、电荷等26 个量子化学特征, 比较了决策树、贝叶斯网络、KStar、人工神经网络建模的准确率. 结果显示, KStar 模型的准确率、敏感性、专一性均在90% 以上, 对分子形状判别模型筛选出的分子, 此模型能较好地判断 出哪个C ―O 键发生断裂. 本文以15个代谢反应明确的中药分子为验证集, 验证模型准确性, 研究结果表明基 于SVM 和KStar 的嵌套预测模型具有一定的准确性, 有助于开展中药分子氧脱烃代谢产物的预测研究. 关键词: 支持向量机; 细胞色素P450 酶; KStar; 氧脱烃反应 中图分类号: O641 Support Vector Machine and KStar Models Predict the o-Dealkylation Reaction Mediated by Cytochrome P450 WANG Dan ZHANG Yan-Ling QIAO Yan-Jiang* (School of Chinese Pharmacy, Beijing University of Chinese Medicine, Beijing 100102, P. R. China) Abstract : We constructed a nested prediction model based on support vector machines (SVM) and the KStar method. The models consisted of a molecular shape discriminative model for metabolites, which was used to predict the o-dealkalytion reaction mediated by cytochrome P450, in addition to the metabolic site discriminative model, which was used to judge C ―O bond breaking in molecules. We calculated 1280 molecular descriptors in