高生物活性肽的改进设计与筛选在药物发现中的应用
摘要：蛋白质的高生物活性肽的发现非常具有挑战性，主要因为化合物的多样性巨大，只有少数拥有所需的性质。为了降低成本和缩短获取有前景的化合物的时间，机器学习方法可以在过程中提供很大的帮助，甚至可以通过学习现有数据来替代昂贵的实验。然而，选择具有最高预测生物活性的配体需要耗费大量的计算时间。对于这个组合问题，启发式和随机优化方法不能保证找到合适的化合物。 我们提出了一种基于De Bruijn图的高效算法，可以保证找到具有最大预测生物活性的肽。我们演示了这个算法如何成为迭代组合化学过程的一部分，加速肽前导物的发现和验证。此外，所提出的方法不需要为目标蛋白质使用已知的配体，因为它可以利用最近的多目标机器学习预测器，其中与目标相似的配体可以作为初始训练数据。最后，我们通过体外验证了所提出的方法，并发现了新的阳离子抗微生物肽。 源代码可以在http://graal.ift.ulaval.ca/peptide-design/免费获取。
作者：S''ebastien Gigu`ere, Franc{c}ois Laviolette, Mario Marchand, Denise Tremblay, Sylvain Moineau, ''Eric Biron and Jacques Corbeil
论文ID：1311.3573
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2014-04-11