基于机器学习的药物蛋白虚拟筛选方法研究-软件工程专业论文.docxVIP

万方数据 万方数据 Classified Index：TP391.4 Dissertation for the Master Degree in Engineering Research on the Virtual Screening of Drug Protein based on the Machine Learning Candidate： WangMengYu Supervisor： QiaoPeiLi Academic Degree Applied for： Master of Engineering Specialty： Software Engineering Date of Oral Examination： March, 2016 University： Harbin University of Science and Technology 哈尔滨理工大学硕士学位论文原创性声明 本人郑重声明：此处所提交的硕士学位论文《基于机器学习的药物蛋白虚 拟筛选方法研究》，是本人在导师指导下，在哈尔滨理工大学攻读硕士学位期 间独立进行研究工作所取得的成果。据本人所知，论文中除已注明部分外不包 含他人已发表或撰写过的研究成果。对本文研究工作做出贡献的个人和集体， 均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。 作者签名： 日期： 年 月 日 哈尔滨理工大学硕士学位论文使用授权书 《基于机器学习的药物蛋白虚拟筛选方法研究》系本人在哈尔滨理工大学 攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归哈 尔滨理工大学所有，本论文的研究内容不得以其它单位的名义发表。本人完全 了解哈尔滨理工大学关于保存、使用学位论文的规定，同意学校保留并向有关 部门提交论文和电子版本，允许论文被查阅和借阅。本人授权哈尔滨理工大学 可以采用影印、缩印或其他复制手段保存论文，可以公布论文的全部或部分内 容。 本学位论文属于 保密 ，在 年解密后适用授权书。 不保密√ 。 (请在以上相应方框内打√) 作者签名： 导师签名： 日期： 年 日期： 年 月 月 日 日 哈尔滨理工大学工学硕士学位论文 哈尔滨理工大学工学硕士学位论文 基于机器学习的药物蛋白虚拟筛选方法研究 摘 要 20 世纪中后期，伴随计算机技术的迅速发展，新药物的研发进入了一 个新的阶段。在计算机辅助药物设计的众多方法中，基于分子对接的虚拟筛 选由于其较好的普适性，已被大多数机构和制药公司所认可，但同时，这种 策略的准确度很大程度上依赖于打分函数的精度。从目前来看，对于打分函 数的研究还受理论和方法的限制，因此目前仍没有一种完全正确的方法。另 一方面，虚拟筛选的过程中会用到大量的实验室晶体结构，当所要研究的靶 点结构不足以满足虚拟筛选所需的数量时，将不得不加入一些可能包含错误 结果的对接取向或者同源建模数据，从而降低最终筛选结果的准确率。近年 来，由于机器学习技术的不断发展，应用机器学习相关理论来提高虚拟筛选 效果已经成为研究的重点，虽然到目前机器学习算法还无法使计算机具备和 人类一样强大的学习能力，但针对大量特定学习任务的算法的提出，使计算 机具备了从大量数据中提取特征、发现隐含规律的能力，因此机器学习理论 作为一种强力辅助手段，已被引入到计算机辅助药物设计中。 基于这个背景，本文提出一种结合机器学习的策略改进基于分子对接的 虚拟筛选流程，采用蛋白质-配体交互指纹(Interaction Fingerprint，IFP)来编 码蛋白质和其配体之间的交互作用来代替打分函数，采用集成学习的手段降 低因混入错误对接结果对最终筛选结果的影响。本文首先介绍了虚拟筛选的 概念和方法，以及国内外机器学习和虚拟筛选相结合所取得的成果。然后介 绍了基于分子对接的虚拟筛选流程和蛋白质-配体交互指纹的概念和发展。 为了论证所提出方法的有效性，本文选取 SRC 和 Cathepsin K 这两种目前 制药领域的热点药物靶点，并以 SC-PDB 数据库和 PDB 数据库中的相关数 据为基础进行向量化处理，随后采用 BP 神经网络来预测这两种靶蛋白的蛋 白质-配体交互指纹。同时，本文也在朴素 BP 神经网络的基础上，引入遗 传算法和模拟退火算法来解决 BP 神经网络在训练数据中收敛速度过慢和易 陷入局部最优值的问题。在虚拟筛选阶段，本文将采用机器学习算法生成的 IFP 作为分类算法的输入，并模拟实际情况加入部分对接取向。为了解决因 训练集质量不高而导致虚拟筛选效果较低的问题，本文在算法层面引入集成 学习思想，优化了本文所提出的新的虚拟筛选流程。在实验构建与分析部 I - 分，采用 PDB 数据库和