收藏本站
《兰州大学》 2018年
收藏 | 手机打开
二维码
手机客户端打开本文

基于深度学习对化合物与蛋白质相互作用分类的研究

杨赟  
【摘要】:化合物和蛋白质相互作用的识别在网络药理学和药物发现中有着非常重要的作用,但是传统的生化实验方法既耗时又昂贵。随着计算机软件技术的迅猛发展,利用计算机软件模拟生化实验的方法成为可能,这种方法比传统的生化实验方法速度更快并且也更加便宜,因此计算方法开始流行起来。然而,计算方法要求研究者有浓厚的化学方面的背景知识并且准确率并不高,例如分子对接技术,一种研究化合物和蛋白质间结合模式和亲和力的理论模拟方法,就需要对化合物和蛋白质的结构有深刻的认识。近年来,机器学习技术在日常生活中的应用越来越广泛,如人脸识别、机器翻译、无人驾驶。这些应用中都使用了一种被称为深度学习的技术。由于深度学习可以自动提取特征,不需要研究者有相关的背景知识,入门门槛低,并且其学习能力强大,在许多任务上都取得了比传统机器学习技术更高的准确率,因此深度学习已经在计算机视觉、语音识别和自然语言处理方面取得了巨大的成功。同时,深度学习在医学、化学和生物学中的应用也逐渐发展起来。本文以BindingDB中化合物与蛋白质相互作用的数据作为依据,并使用SDF(Structure Data File)和蛋白质序列表示化合物和蛋白质的结构。然后利用随机生成算法生成与正样本数量相同的负样本,并使用深度学习中的深度神经网络学习训练数据。深度神经网络的输入为化合物和蛋白质的结构数据,输出为化合物与蛋白质相互作用为绑定的概率。经过大量的实验调整超参数,最终的深度神经网络的结构为多路网络。多路网络分为特征提取网络和分类网络。其中特征提取网络分别提取化合物和蛋白质的特征,其隐藏层有3层,每层2000个神经元;分类网络基于特征提取网络提取到的特征对化合物和蛋白质的相互作用进行分类,其隐藏层为1层,有1000个神经元。多路网络的参数数量达到了2720万,最终可以达到96.73%的测试准确率。本文将深度学习技术引入化合物与蛋白质相互作用分类的研究中。虽然本文所做工作并不能直接应用于实际中,但是对今后深度学习在化合物与蛋白质相互作用分类研究中的应用起到了启示性的作用。
【学位授予单位】:兰州大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:R91;TP181

【相似文献】
中国期刊全文数据库 前10条
1 王建;;蛋白质相互作用数据库[J];中国生物化学与分子生物学报;2017年08期
2 陈心浩;胡俭;;基于多特征融合预测蛋白质相互作用界面[J];中南民族大学学报(自然科学版);2017年03期
3 谭从娥;黄祥云;;基于蛋白质相互作用网络分析右归丸治疗肾阳虚证的疗效机制[J];中国中医药信息杂志;2016年02期
4 杨晓敏;李英伦;;基于蛋白质相互作用“热点”区域的小分子药物设计研究进展[J];生物物理学报;2015年02期
5 冯舒玥;;蛋白质相互作用的研究方法及进展分析[J];文理导航(中旬);2018年01期
6 任页玫;张蕾;石亚伟;;双分子荧光互补在蛋白质相互作用中的应用[J];湖北医药学院学报;2014年02期
7 商立民;贺福初;王建;;大规模蛋白质相互作用组实验技术及其应用[J];生命的化学;2013年05期
8 骆嘉伟;梁成;宋丹;李光辉;;蛋白质相互作用网络演化模型研究进展[J];计算机应用;2013年03期
9 胡家;郑帅;胡科;殷爱红;;通过液质联用鉴定蛋白质相互作用方法的建立[J];首都医科大学学报;2013年03期
10 崔娟;陈月辉;;基于组合特征集成的蛋白质相互作用位点预测[J];济南大学学报(自然科学版);2012年01期
中国重要会议论文全文数据库 前10条
1 李占潮;周漩;戴宗;邹小勇;;基于一级结构信息预测蛋白质与蛋白质相互作用[A];第十届全国计算(机)化学学术会议论文摘要集[C];2009年
2 代旭;敬闰宇;董永成;李梦龙;郭延之;;基于序列和结构信息预测蛋白质-蛋白质相互作用可药性[A];中国化学会第29届学术年会摘要集——第19分会:化学信息学与化学计量学[C];2014年
3 程钢;吴松锋;陈廷贵;万平;朱云平;贺福初;;22周孕龄胎肝蛋白质相互作用网络的构建[A];中国蛋白质组学首届学术大会论文摘要集[C];2003年
4 刘珍;孙景春;谢锦云;李亦学;梁宋平;石铁流;;蛋白质相互作用网络中的生物途径分析[A];中国蛋白质组学第二届学术大会论文摘要论文集[C];2004年
5 杨晓明;王建;许望翔;虞东辉;杨永升;刘琼明;周颖;张翠莉;吴志豪;张万巧;刘涛;唐刘君;原艳芝;郝峰;金超智;贺福初;;人类肝脏重要蛋白质相互作用连锁图研究进展[A];中国蛋白质组学第三届学术大会论文摘要[C];2005年
6 吴俊;邓宏钟;朱大智;谭跃进;;蛋白质相互作用网络的度秩函数与度分布[A];2006全国复杂网络学术会议论文集[C];2006年
7 李令东;田瑞军;唐伟;邹汉法;赵宗保;;携异戊烯链小分子与蛋白质相互作用的研究[A];第六届全国化学生物学学术会议论文摘要集[C];2009年
8 李立;肖奕;孙之荣;;酵母蛋白质相互作用网络的模块进化[A];第十一次中国生物物理学术大会暨第九届全国会员代表大会摘要集[C];2009年
9 龙勉;;蛋白质相互作用的生物力学及其应用[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(上册)[C];2007年
10 蔡浩洋;闵明玮;胡函;张义正;李校;;拟南芥蛋白质相互作用网络的性质研究及其预测[A];中国遗传学会第八次代表大会暨学术讨论会论文摘要汇编(2004-2008)[C];2008年
中国重要报纸全文数据库 前10条
1 记者 常丽君;科学家绘制出迄今最详细蛋白质相互作用图[N];科技日报;2011年
2 通讯员 甄蓓 特约记者 吴志军;肝脏蛋白质相互作用图绘出[N];健康报;2011年
3 甄蓓;我科学家成功绘制人类肝脏蛋白质相互作用网络连锁图[N];科技日报;2011年
4 欣文;蛋白质相互作用导致疑难病症[N];医药经济报;2002年
5 ;日本发现蛋白质相互作用导致疑难病症[N];中国高新技术产业导报;2002年
6 胡德荣;蛋白质相互作用网络预测新方法被发现[N];健康报;2007年
7 余志平 编译;PCAs给我们带来了什么?[N];中国医药报;2007年
8 甄蓓;人类肝脏蛋白质“关系网络图”绘成[N];中国医药报;2011年
9 毛黎;美开发细胞内蛋白质相互作用标识技术[N];科技日报;2007年
10 张佳星;人类为何如此与众不同[N];科技日报;2008年
中国博士学位论文全文数据库 前10条
1 姚恒;基于机器学习方法预测拟南芥功能关联互作组和基于网络驱动的组学数据分析系统[D];浙江大学;2018年
2 魏志森;蛋白质相互作用位点预测方法研究[D];南京理工大学;2016年
3 刘光徽;蛋白质相互作用位点及亚细胞定位预测研究[D];南京理工大学;2017年
4 王芬;猪miRNA调控蛋白质相互作用“双色网络”预测及呼吸道病毒病系统生物学分子机制分析[D];西北农林科技大学;2014年
5 徐萌;从蛋白质相互作用网络到灭绝事件的进化研究[D];中国科学技术大学;2010年
6 谢江;蛋白质相互作用网络的数值研究[D];上海大学;2008年
7 尤著宏;基于图和复杂网络理论的蛋白质相互作用数据分析与应用研究[D];中国科学技术大学;2010年
8 沈懿珍;基于协同智能的蛋白质相互作用及其网络研究[D];东华大学;2011年
9 沈利;人类新基因BNIPL生物学功能的初步研究[D];复旦大学;2004年
10 潘巍峻;Wnt信号转导的分子机制及其生物学功能研究[D];中国科学院研究生院(上海生命科学研究院);2004年
中国硕士学位论文全文数据库 前10条
1 白正亚;结构、能量和动力学比较研究生物环境对肽调节蛋白质相互作用的影响[D];电子科技大学;2018年
2 孙士伟;基于深度学习的蛋白质相互作用预测方法的研究[D];安徽大学;2018年
3 杨赟;基于深度学习对化合物与蛋白质相互作用分类的研究[D];兰州大学;2018年
4 费凡;基于蛋白质相互作用网络的信息通路提取[D];华南理工大学;2017年
5 包振栋;基于生物医学文本挖掘的蛋白质间相互作用关系抽取方法的研究[D];西北农林科技大学;2017年
6 陈经天;基于蛋白质序列的蛋白质相互作用预测研究[D];太原理工大学;2017年
7 崔远;基于图论的多蛋白质相互作用数据的聚类分析[D];兰州大学;2017年
8 曹晓靖;基于基因/蛋白质相互作用网络探索大黄蛰虫丸治疗原发性骨髓纤维化的机理[D];山东中医药大学;2016年
9 黄利广;基于旋转森林模型的蛋白质相互作用预测研究[D];深圳大学;2016年
10 庄雪琴;大图理论在蛋白质相互作用网络比对中的应用[D];南京理工大学;2015年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026