基于k-spaced氨基酸对构成的附子靶点预测

文/丛春雨

1 引言

近年来，随着越来越多的天然产物成功地通过认证而上市，中药 (traditional Chinese medicines，TCMs) 作为天然产物的重要组成部分，在现代药物研发中受到了越来越多的关注和重视。但中药药效物质基础不明确、作用机制不清楚，很难从整体到组织器官、细胞和分子水平进行全面系统地研究。因此，中药研究急需新的研究方法的出现。网络药理学的兴起对中医药是一个很好的契机，其所强调的整体性与系统性和中医药理论不谋而合。因此，在分子水平上，中药方剂用于治疗疾病的机制与网络药理学（network pharmacology）或多向药理学是相通的。由于中药品种繁多，成分复杂，若通过生物学实验手段确定各个化学成分的作用靶点，不仅耗时长，而且任务重，难以实现。相比之下，建立药物—靶标预测模型是一种快速高效的方法，能够减少成本，快速预测成分靶标，为中药网络药理学的应用奠定基础。

2 方法Method

2.1 数据集Dataset

从DrugBank数据库下载2388个美国FDA已经批准的小分子化学药的分子结构及其相应靶蛋白受体，根据对应关系，获得9275条药物—靶点配对，作为本研究的阳性样本集。将阳性样本集中的药物-靶点配对拆开，重新组合配对，剔除阳性样本，从中随机挑选出 2倍（18550条）于阳性样本集的配对结果，即为阴性样本集。从数据集中随机选取阳性样本1275条，阴性样本2550条，组成独立测试集，剩余的阳性样本和阴性样本组成训练数据集，训练数据24000条，测试数据3825条。

2.2 分子描述符和特征选择

本模型应用PowerMV(www.niss.org/PowerMV)计算药物分子，得到6122个描述符，用k-spaced氨基酸对构成（CKSAAP）编码每一个靶蛋白。在本模型中，我们采用k=0，1，2，3，4对应的CKSAAP编码，那么5-spaced特征向量的维数就是2205。基于以上两种编码方法组合的配对数据合计8327维。模型采用主成分分析法(principle component analysis，PCA)对上述数据进行降维处理，按保留原始信息97% 的信息量进行降维，获得数据矩阵分别为24000*995，3825*995。

2.3 实验结果及分析

在我们的方法中，使用支持向量机算法建立预测模型，预测模型中最优参数（c，g）分别是（362.039，0.00552427）。模型在训练数据集上的平均准确率可达79.74%，在独立测试集上准确率达82.41%。

2.4 附子作用靶点预测

表1：与附子化学成分作用频次较高同时决策值也较高的55个潜在作用靶点

Q9GZZ6 Neuronal acetylcholine receptor subunit alpha-10 10 P49888 Estrogen sulfotransferase 10 P01579 Interferon gamma 10 P07237 Protein disulfide-isomerase 9 Q14643 Inositol 1，4，5-trisphosphate receptor type 1 9 P49411 Elongation factor Tu，mitochondrial 9 Q53707 MecA PBP2'' 9 Q05655 Protein kinase C delta type 9 Q14571 Inositol 1，4，5-trisphosphate receptor type 2 9 O00264 Membrane-associated progesterone receptor component 1 9 P12259 Coagulation factor V 9 O60909 Beta-1，4-galactosyltransferase 2 9 Q9BXA5 Succinate receptor 1 8 O00341 Excitatory amino acid transporter 5 8 O75879 Glutamyl-tRNA 8 Q9UBX3 Mitochondrial dicarboxylate carrier 8 P37059 Estradiol 17-beta-dehydrogenase 2 7 Q27218 Acetylcholine receptor subunit beta-type lev-1 7 P23743 Diacylglycerol kinase alpha 7 Q16760 Diacylglycerol kinase delta 7 Q8TC12 Retinol dehydrogenase 11 7 Q9HBH5 Retinol dehydrogenase 14 7 Q9NYR8 Retinol dehydrogenase 8 7 Q6NUM9 All-trans-retinol 13，14-reductase 7 O75911 Short-chain dehydrogenase/reductase 3 7 Q5JTZ9 Alanine--tRNA ligase，mitochondrial 7 Q6IB77 Glycine N-acyltransferase 7 P02461 Collagen alpha-1 7 Q99418 Cytohesin-2 6 P29475 Nitric oxide synthase，brain 6 Q81F54 Glyoxalase family protein 6 P08149 Penicillin-binding protein 2 6 Q9NR33 DNA polymerase epsilon subunit 4 6 Q86VB7 Scavenger receptor cysteine-rich type 1 protein M130 6 O43766 Lipoyl synthase，mitochondrial 6 Q9Y2J8 Protein-arginine deiminase type-2 6 Q9UQD0 Sodium channel protein type 8 subunit alpha 6 P08123 Collagen alpha-2 6 P98164 Low-density lipoprotein receptor-related protein 2 6 P20333 Tumor necrosis factor receptor superfamily member 1B 6 P50406 5-hydroxytryptamine receptor 6 6 P02775 Platelet basic protein 6 Q06830 Peroxiredoxin-1 5 Q12882 Dihydropyrimidine dehydrogenase [NADP 5 Q9NY56 Odorant-binding protein 2a 5 Q01118 Sodium channel protein type 7 subunit alpha 5 Q9UGM1 Neuronal acetylcholine receptor subunit alpha-9 5

从TCMSP数据库和附子相关文献中收集和整理已报道的附子所含化学成分，共计64个。模型基于python语言和rdkit包，通过计算分子的Morgan指纹，进行附子成分和drugbank数据库中美国FDA已经批准的小分子化学药的相似性比对，从而在64个成分中挑选出了24个与训练集中小分子药物化学空间（chemical space）相近的化合物，将其与drugbank中已知靶点进行组合，构建预测集。

预测集按训练集相应的方法计算分子描述符、归一化和降维等处理，然后带入模型进行靶点预测。本研究选取了与附子化学成分作用频次较高同时决策值（dec_value，decision value是该样本属于该类的隶属度，分值越大，代表属于该类的置信度越大）也较高的前205个潜在作用靶点，总频次1522次，但由于篇幅原因，表1只列出了其中部分潜在靶点。

3 结论

预测出的潜在靶点需要通过实验进一步验证，这是本文研究的意义所在。本项目组建立的预测模型有较高的准确率，该方法可望用于虚拟筛选中药有效成分及其作用靶点，为从分子水平上研究中药的作用机制提供一定的方法学参考。