蛋白质相互作用界面中热点残基预测方法的研究的中期报告.docxVIP

蛋白质相互作用界面中热点残基预测方法的研究的中期报告 本研究旨在研究蛋白质相互作用界面中热点残基的预测方法。在研究过程中，我们采用了多种预测方法，包括结构、序列和进化信息等。以下是目前研究的主要进展和结果： 1. 数据集构建： 我们从PDB数据库中选择了一部分结构已经确定，且有已知相互作用配对的蛋白质复合物作为数据集。我们将这些复合物按照它们的互作界面分成正样本（包含热点残基）和负样本（不包含热点残基），并获得了一个包含数百个样本的数据集。 2. 特征提取： 我们尝试使用多种特征提取方法，包括结构、序列和进化信息等。其中，我们使用Fpocket软件提取了蛋白质的口袋信息，并计算了各口袋中每个残基的多种物理/化学性质值。此外，我们还从PSSM和PSI-BLAST等工具中获取了每个残基的序列信息。最后，我们使用ConSurf工具计算了相互作用界面上各种氨基酸的保守性得分，从而获得了进化信息。 3. 预测模型建立和评估： 我们使用了多种机器学习算法来建立预测模型，包括支持向量机（SVM）、随机森林（RF）和深度神经网络（DNN）等。我们使用数据集的70%训练模型，30%做测试，并使用准确性（ACC）、召回率（REC）、F1-score等指标来评估模型的性能。预测结果显示，结合多种特征后，我们的模型在数据集上可以取得较好的预测效果。 总结： 目前，我们已经初步完成了蛋白质相互作用界面中热点残基预测方法的研究，并建立了相应的预测模型。虽然我们的预测模型在数据集上表现良好，但是仍需要更多的数据来验证模型的鲁棒性。我们下一步将继续优化模型并更进一步的实验，以提高预测精度。