基于深度学习技术对蛋白—配体结合效果的评估

《基于深度学习技术对蛋白—配体结合效果的评估》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：Q7单位代码：10183研基研究生学号：2015342004密级：公开于深度学习技术对蛋白配吉林大学体结合硕士学位论文效果（学术学位）的评估基于深度学习技术对蛋白-配体结合效果的评估EvaluationofProtein-LigandBindingEffectBasedonDeepLearning李鑫作者姓名：李鑫专业：微生物学吉研究方向：分子动力学模拟林大指导教师：韩葳葳教授学培养单位：生命科学学院2018年5月基于深度学习技术对蛋白-配体结合效果的评估EvaluationofProtein-LigandBindingEffectBased

2、onDeepLearning作者姓名：李鑫专业名称：微生物学指导教师：韩葳葳教授学位类别：理学硕士答辩日期：年月日未经本论文作者的书面授权，依法收存和保管本论文书面版本、电子版本的任何单位和个人，均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作权的商业性使用（但纯学术性使用不在此限）。否则，应承担侵权的法律责任。吉林大学硕士学位论文原创性声明本人郑重声明：所呈交学位论文，是本人在指导教师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对

3、本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日《中国优秀博硕士学位论文全文数据库》投稿声明研究生院：本人同意《中国优秀博硕士学位论文全文数据库》出版章程的内容，愿意将本人的学位论文委托研究生院向中国学术期刊（光盘版）电子杂志社的《中国优秀博硕士学位论文全文数据库》投稿，希望《中国优秀博硕士学位论文全文数据库》给予出版，并同意在《中国博硕士学位论文评价数据库》和CNKI系列数据库中使用，同意按章程规定享受相关权益。论文级别：■硕士□博士学科专业：微生物学论文题目：基

4、于深度学习技术对蛋白-配体结合效果的评估作者签名：指导教师签名：年月日作者联系地址（邮编）：吉林大学生命科学学院吉林省长春市前进大街2699号（130012）作者联系电话：摘要高血压是当前影响居民健康水平的一种主要慢性病，针对高血压有关酶系研究特异性药物成为当今的热门研究方向，其中血管紧张素转移酶（ACE）就是一个重要的研究靶点。ACE的结构信息目前已经被大量的研究，针对ACE的结构特征，寻找能与其特异性结合的小分子作为抑制剂在未来的新药研发中具有良好的应用前景。通过分子对接软件使用高通量虚拟筛选方法可以获得大量的ACE酶与小分子配体的结合的结构信息

5、，但对于未知的配体，这种结合是否具有活性是无法判断的。本项研究中，首先评估AutoDock与AutoDockVina这两个对接软件能否将有活性与无活性对接结果进行区分，研究发现对于大部分受体，这两个软件的区分效果并不好。为了寻找能够对蛋白-配体结合效果进行评估的方法，我们对深度学习方法进行了探索。深度学习方法最近在图像识别，自然语言处理等众多领域有着广泛应用，并取得了很好的效果，本项研究的思路就是来源于图像识别。可以将大量已知结合效果的配体与ACE的结合构象作为输入向量，对应的结合效果作为输出向量来训练神经网络，神经网络从结构与对接结果之间自动学习其

6、相关规律，从而达到能对未知配体的结合效果进行预测的效果。本次研究中分别使用了AutoDock和AutoDockVina的对接结果对深度神经网络与卷积神经网络进行训练和评估，寻找预测效果最好的神经网络层数设置。研究发现，不同的对接软件生成的对接结构对与神经网络的训练并没有明显影响，对于深度神经网络来说，最佳层数设置是只有1层隐藏层，隐藏层节点数是480，再此条件下神经网络对测试集的预测准确率在85%~90%之间；卷积神经网络的预测效果要优于深度神经网络，它对测试集最好的预测准确率在95%~98%之间，此时的层数设置为2个卷积层，每个卷积层后面接1个池化

7、层，然后再接一个5层的全连接层。深度学习方法对于未知配体对蛋白受体的结合效果具有很高的预测准确率，在未来新药开发等领域具有很好的应用前景。关键词：深度神经网络，卷积神经网络，分子对接，蛋白配体结合IAbstractHypertensionisaseverechronicdiseasethreateninghumanhealth.Andsodevelopingspecificdrugstargetinghypertensionrelatedenzymeshasbecomeahotresearch.Angiotensintransferase(ACE)i

8、sanimportantdrugtargetforhypertension.Sincethe3Dstruct