G蛋白偶联受体识别及功能预测的分层分类模型研究

现在药物研发中60～70%的目标蛋白是G蛋白偶联受体（GPCRs）,但关于它们的结构和功能却了解得相对较少。如何科学有效地利用现有数据资料，快速、高效、准确地筛选出疾病相关GPCRs，成为目前急需解决的问题。本研究在前期工作基础上，以蛋白序列数据为研究对象，探讨GPCRs功能预测的高通量分层分类模型。运用信息融合理论，对来自不同信息源的信息，构造不同的特征集，通过特征层和决策层的信息融合，建立有效的蛋白序列编码方法；在此基础上，利用决策树算法构建GPCRs分层分类模型，探讨模型性能评价指标，建立分层分类模型的科学评价方法；最后，运用智能优化算法对模型参数进行优化，建立最优分层分类模型。并依据模型开发相应的web应用软件，将其应用于人类等模式生物基因组的数据挖掘研究，检验其效能，为GPCRs功能和药物设计研究提供支持。本课题对于细胞生物学研究、疾病预防和治疗及新药开发等具有重要研究价值。

现代药物研发中60～70%的目标蛋白是G 蛋白偶联受体（GPCRs），但关于它们的结构和功能却了解得相对较少。如何科学有效地利用现有数据资料及计算机方法，快速、准确地筛选出疾病相关的GPCRs，成为目前急需解决的问题。本研究在前期工作基础上，以蛋白质序列数据为研究对象，提出了GPCRs 功能预测的分层分类模型，该模型目前可以在5个水平上对GPCRs进行识别和分类，分类准确率要优于或等于现有其他方法。课题组首先运用信息融合理论，对来自不同信息源的信息，构建了不同的特征集，通过特征层和决策层的信息融合，建立了有效的蛋白序列编码方法；在此基础上，利用最近邻算法和支持向量机构建GPCRs分层分类模型，依据模型性能评价指标，对建立的分层分类模型进行了科学评价；最后，运用优化算法对支持向量机的模型参数进行优化，建立了最优分类模型。为了便于研究人员使用，课题组还根据模型开发了相应的计算机应用软件，该软件可应用于人类等模式生物蛋白组数据的挖掘研究，为GPCRs 功能研究和药物开发提供有用信息。本课题研究成果对于研究人员了解GPCRs功能、开展疾病预防和治疗，以及新药开发等都具有重要价值。另外，我们还将提出的方法用于其他蛋白质受体的功能预测研究，取得了很好的预测效果，发表了相应的SCI论文。. 该课题按照原定计划顺利完成了各项研究任务，取得了预期研究成果，主要有：1、发表署名受本项目资助SCI论文2篇，影响因子均在2分以上；另外一篇SCI论文已目前正在审稿中；1篇论文目前已被他引13次；2、开发GPCRs分类预测计算机应用软件1套，该软件已获得国家版权局计算机软件著作权保护；3、部分研究成果作为重要组成部分用于申报上海市科技进步一等奖，课题负责人排名第二；4、课题负责人入选校“5511”优秀青年人才库，获上海优秀青年教师科研专项资金资助，获国家留学基金委“青年骨干教师出国研修项目”资助赴美国耶鲁大学留学1年。