| 基于逐步非线性回归的血管紧张素转化酶抑制肽QSAR建模 |
| |
| 引用本文： | 周恒,巴庆芳,袁哲明,代志军.基于逐步非线性回归的血管紧张素转化酶抑制肽QSAR建模[J].化学通报,2022,85(6):736-745. |
| |
| 作者姓名： | 周恒 巴庆芳 袁哲明 代志军 |
| |
| 作者单位： | 湖南农业大学,湖南农业大学,湖南农业大学,湖南农业大学 |
| |
| 基金项目： | 国家自然科学基金(No. 31701164), 湖南省自然科学基金(No. 2018JJ3238), 湖南省教育厅科学研究项目(No. 18C0171) |
| |
| 摘 要： | 线性特征选择方法可提升定量构效关系(QSAR)模型的预测能力，但易忽略特征(理化属性)与分子活性间的非线性关系。本文提出基于支持向量回归(SVR)的逐步非线性回归(SSNR)特征选择算法并用于降血压药物血管紧张素转化酶(ACE)抑制肽的QSAR研究。首先以具有不同背景的5组分子描述符分别表征肽序列，以SSNR实施特征选择，再通过智能一致性模型(ICM)对各组描述符对应子模型的预测活性进行加权整合，获得最终活性预测值。在ACE抑制二肽与三肽两个数据上的应用结果表明，SSNR获得的特征子集结合ICM策略可有效提升模型预测能力(二肽的平均Q■为0.675±0.002,三肽为0.663±0.013),优于遗传算法-偏最小二乘(0.538±0.049、0.599±0.047)与逐步线性回归(0.583±0.041、0.675±0.010)。最后基于抑制活性已知肽序列预测所有活性未知肽的活性，分析了高活性肽及其氨基酸偏好性，为人工合成潜在高活性ACE抑制肽提供可能的序列组合。
|
| 关 键 词： | 定量构效关系 特征选择 支持向量机 逐步非线性回归 血管紧张素转化酶抑制肽 |
| 收稿时间： | 2021/9/30 0:00:00 |
| 修稿时间： | 2021/11/4 0:00:00 |
QSAR Modeling on Angiotensin-Converting Enzyme Inhibitory Peptides Based on Stepwise Non-linear Regression |
| |
| zhou heng,ba qing fang,yuan zhe ming and dai zhi jun.QSAR Modeling on Angiotensin-Converting Enzyme Inhibitory Peptides Based on Stepwise Non-linear Regression[J].Chemistry,2022,85(6):736-745. |
| |
| Authors: | zhou heng ba qing fang yuan zhe ming and dai zhi jun |
| |
| Institution: | Hunan Agricultural University,Hunan Agricultural University,Hunan Agricultural University,Hunan Agricultural University |
| |
| Abstract: | |
| |
| Keywords: | quantitative structure-activity relationship feature selection support vector machine stepwise non-linear regression angiotensin-converting enzyme inhibitory peptide |
|
| 点击此处可从《化学通报》浏览原始摘要信息 |
| 点击此处可从《化学通报》下载免费的PDF全文 |
