应用独立成分分析方法预测CTL表位

基于独立成分分析方法分别采用3 z-scale和5 z-scale氨基酸结构描述符, 建立了抗原肽与MHC分子(major histocompatibility complex, MHC)相互作用结合的定量构效关系模型. 该两个模型训练集样本数是316, 预测集样本数是786. 结果表明: 3 z-scale模型的预测准确度和AUC值分别为70.3%, 0.70; 5 z-scale模型的预测准确度和AUC值分别为70.9%, 0.79. 本文建立CTL表位预测模型对进一步了解抗原肽与MHC I类分子相互作用机理具有一定的帮助.     

ACE抑制剂的QSAR研究与分子设计

从20种天然氨基酸的41个randic molecular profiles、44个eigenvalue based indices和47个walk and path counts非零描述符分别进行主成分分析,得出一种新的氨基酸描述符——SVREW.将其应用于血管紧张素转化酶抑制三肽结构表征,应用多元线性回归(MLR)及偏最小二乘(PLS)建立定量构效关系模型,同时采用内部与外部双重验证的方法验证模型的稳定性.所建模型复相关系数(Rcum2)、留一法(LOO)交互校验相关系数(Rcv2)和外部样本校验相关系数(Qext2)分别为MLR(0.994,0.974,0.991),P LS(0.949,0.886,0.898).然后利用此多元线性回归方程设计出一系列血管紧张素转化酶抑制三肽化合物并预测了其活性,并且应用分子对接验证所设计药物的合理性.经研究表明SVREW描述符应用于ACE三肽结构表征所建模型的稳定性与预测能力均较好,有望成为多肽定量构效关系研究中一种有效的结构表征方法,并对新药物的发现和研究提供指导.     

基于逐步非线性回归的血管紧张素转化酶抑制肽QSAR建模

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。     

抗原肽与MHC分子相互作用QM/MM分子动力学模拟研究

在MHC I类(major histocompatibility complex class I)分子抗原加工提呈过程中抗原蛋白在抗原提呈细胞(antigen-presenting cells, APC)的胞浆中被蛋白酶体(proteasome)裂解成短肽peptide, 由转运相关蛋白(transporter associated with antigen processing, TAP)将蛋白酶体裂解产生的短肽片段从胞浆转运至内质网腔. 短肽peptide在内质网中与新生成的MHC I类分子结合, 形成peptide-MHC复合体被提呈到APC细胞表面, 与T细胞表面抗原受体(T cell receptor, TCR)特异性识别结合, 使得CTL细胞开始活化、增殖、分化, 进而对肿瘤细胞进行特异性杀伤. 目前对CTL细胞如何识别抗原肽-MHC复合物分子及抗原短肽peptide如何与主要组织相容性复合体MHC分子的相互作用识别结合的机理还不是很清楚. 传统的预测CTL细胞表位的方法没有考虑受体与配体结合过程中电子结构的变化, 电子结构的变化需要用量子力学方法来处理. 本文采用QM/MM多尺度生物大分子的分子动力学模拟方法, 以天然抗原肽TAX (LLFGYPVYVYU)与HLA-A*0201分子结合的晶体结构为模板, 替换抗原肽“锚点”氨基酸, 将口袋氨基酸残基的原子极化电荷在空间形成的静电势用电多极矩分量表示. 用箱线图分析每个口袋氨基酸分子静电势变化和功能, 确定Pocket B的Glu63和Lys66的功能是精细识别氨基酸和一级结合氨基酸, Pocket F的Asp77, Tyr84的功能是精细识别氨基酸, 而Asp77, Lys146是一级结合氨基酸, 表明QM/MM方法在提取抗原肽与MHC I类分子识别结合特异性信息是可行的, 这对了解免疫识别机理和指导肿瘤疫苗的开发都具有指导意义.     

基于新型氨基酸描述符SVICE对肽类药物进行QSAR研究

采用20种天然氨基酸的47个information indices描述符、33个connectivity indices描述符和44个eigenvalue-based indices描述符分别进行主成分分析,得出一种新的氨基酸描述符-SVICE.将其分别对三肽血管收缩素转化酶(ACE)、抗菌十八肽(AMP)、苦味活性二肽(BTT)序列表征后,建立结构与活性的SMR-MLR模型,并采用内外部双重验证的方法检验模型的稳定性.所建模型相关统计参量如下:复相关系数(Rcum2)、留一法(LOO)交互校验复相关系数(RCV2)和外部样本校验复相关系数(Qext2)分别为0.988,0.964,0.985;0.990,0.970和0.855;0.949,0.887,0.830.结果表明,运用SVICE描述符建立的MLR模型拟合、预测能力均较好,能较好解释肽类药物的活性与结构间的关系从而为新的强活性肽类药物的分子设计和改造提供了指导.     

HLA-A*0201限制性CTL表位肽的三维定量构效关系的研究

运用比较分子力场(CoMFA)和比较分子相似性指数分析(CoMFA)方法研究了50个HLA-A^*0201限制性CTL表位九肽结构与亲和性间的关系,另外15个表位九肽作为预测集用于检验模型的预测能力.结果表明采用CoMSIA得到的构效关系模型(q^2=0.628,r^2=0.997,F=840.419)要明显优于采用CoMFA得到的构效关系模型.在CoMSIA计算中,当引入疏水场时,三维构效关系模型得到明显改善,通过该三维构效关系模型,可较精确地估算预测集中15个CTL表位肽与HLA-A^*0201间的亲和力(r^2pred=0.743).通过分析分子场等值面图在空间的分布,可以观察到表位肽分子周围的立体及疏水特征对表位肽与HLA-A^*0201间结合亲和力的影响,从而为进一步对CTL表位肽进行结构改造并基于此进行治疗性疫苗分子设计提供理论基础.     

基于氨基酸描述符SVHEHS的ACE抑制肽QSAR研究

收集20种天然氨基酸的457种理化性质,按照疏水、电性特征、氢键贡献和立体特征分类后,对它们分别进行主成分分析(Principal component analysis,PCA),得到一个新的氨基酸残基结构描述符SVHEHS.用该描述符分别对血管紧张素转化酶(AngiotensinⅠconverting enzyme,ACE)抑制二肽、三肽、四肽进行序列表征,并用来与生物活性建立偏最小二乘(Partial least square regression,PLS)模型.ACE抑制二肽、三肽、四肽模型的相关系数、交叉验证相关系数、 均方根误差、外部验证相关系数分别为0.607,0.507,0.587,0.783;0.852,0.813,0.232,0.839;1,1,0,0.935.由此说明,采用SVHEHS描述符建立的PLS模型拟合、预测能力均较好,可用于血管紧张素转化酶抑制肽的定量构效关系研究.     

马来酰胺类糖原合成酶激酶-3β抑制剂的分子对接和三维定量构效关系

通过分子对接和三维定量构效关系(3D-QSAR)两种方法来确定两类马来酰胺类的糖原合成酶激酶-3β(GSK-3β)抑制剂的结合方式. 首先, 用分子对接确定抑制剂与GSK-3β结合模式及其相互作用; 然后用比较分子力场分析法(CoMFA)与比较分子相似性指数分析法(CoMSIA)对48个化合物做三维定量构效关系的分析. 两种方法得出的交互验证回归系数分别为0.669(CoMFA)和0.683(CoMSIA), 证明该模型具有很好的统计相关性, 同时也说明该模型具有较高的预测能力.根据该模型提供的信息, 设计出9个预测活性较好的分子.     

一种新的氨基酸描述符及其在肽QSAR中的应用

从20种天然氨基酸的41个randic molecular profiles非零描述符、44个eigenvalue based indices非零描述符和47个walk and path counts非零描述符分别进行主成分分析,得出一种新的氨基酸描述符-SVREW。将其应用于血管紧张素转化酶(ACE)抑制二肽和ACE抑制三肽、苦味二肽和苦味四肽、后叶催产素类似物、HLA-A*0201限制性CTL表位肽的结构表征,应用多元线性回归(MLR)建立定量构效关系模型,同时采用内部与外部双重验证的方法验证模型的稳定性。所建ACE抑制二肽、ACE抑制三肽、苦味二肽、苦味四肽、后叶催产素类似物、HLA-A*0201限制性CTL表位肽的模型复相关系数(R2cum)分别为0.994,0.797,0.948,0.878,0.686,0.720;留一法交互校验复相关系数(R2cv)分别为0.955,0.859,0.879,0.958,0.796,0.843;外部样本校验相关系数(Q2ext)分别为0.990,0.954,0.890,0.950,0.748,0.773。经研究表明SVREW描述符用于肽分子结构表征所建模型的稳定性与预测能力均较好,有望成为多肽定量构效关系研究中一种有效的结构表征方法,可对新药物的发现和研究提供指导。     

马来酰胺类糖原合成酶激酶-3β抑制剂的分子对接和三维定量构效关系

通过分子对接和三维定量构效关系(3D-QSAR)两种方法来确定两类马来酰胺类的糖原合成酶激酶-3β(GSK-3β)抑制剂的结合方式.首先,用分子对接确定抑制剂与GSK-3β的结合模式及其相互作用;然后用比较分子力场分析法(CoMFA)与比较分子相似性指数分析法(CoMSIA)对48个化合物做三维定量构效关系的分析.两种方法得出的交互验证回归系数分别为0.669(CoMFA)和0.683(CoMSIA),证明该模型具有很好的统计相关性,同时也说明该模型具有较高的预测能力.根据该模型提供的信息,设计出9个预测性较好的分子.