[發明專利]一種基于多元數據預測DNA突變影響蛋白互作的預測方法

有效

• 申請號: 201611255461.9
• 申請日: 2016-12-30
• 公開（公告）號: CN106778065B
• 公開（公告）日: 2019-02-01
• 發明（設計）人: 趙興明;何峰
• 申請（專利權）人: 同濟大學
• 主分類號: G16B20/00
• 分類號: G16B20/00
• 代理公司: 上海科律專利代理事務所(特殊普通合伙) 31290
• 代理人: 葉鳳

一種基于多元數據預測DNA突變影響蛋白互作(Protein?Protein Interaction，PPI)的預測方法。本方法以DNA上SNP(Single Nucleotide Polymorphisms，SNP)是否對蛋白互作產生影響為研究對象，使用蛋白質的結構、功能和氨基酸序列相關的七類特征，采用支持向量機(Support Vector Machine，SVM)和集成學習算法作為分類器，就SNP是否破壞蛋白互作進行預測。同時，對蛋白之間是否存在相互作用以及SNP引起的氨基酸變異是否發生在蛋白互作面(PPI interface)上進行判斷。

技術領域

本發明涉及一種在機器學習與生物信息學知識背景下，預測DNA突變影響蛋白互作的算法，尤其是涉及一種基于多元數據預測DNA突變影響蛋白互作的預測方法。

背景技術

DNA單位點核苷酸突變(Single Nucleotide Polymorphisms，SNP)導致蛋白質氨基酸變異從而破壞蛋白質互作(Protein Protein Interaction，PPI)可能引發多種疾病，給人類的健康帶來很大威脅。例如由SNP rs17646665引起蛋白質APOE發生氨基酸突變，破壞APOE和SORT1之間的蛋白質互作，促進APOE/Aβ化合物的生成，加大了阿爾海默茨病(AD)的患病風險。

目前預測SNP對PPI穩定性影響的算法主要有以下四種：

1.基于蛋白質結構進行預測的算法，如AUTO-MUTE[Masso,M.and Vaisman,I.(2008)Accurate prediction of stability changes in protein mutants bycombining machine learning with structure based computationalmutagenesis.Bioinformatics,24,2002–2009],CUPSAT[Parthiban,V.,et al.(2006)CUPSAT:prediction of protein stability upon point mutations.Nucleic AcidsRes.,34,239–242]等。這一類方法主要使用蛋白質化合物的結構特征，如溶劑可及面積、氨基酸之間距離、殘疾深度等，結合機器學習和統計學方法對結合自由能(Binding freeenergy)進行回歸預測。

2.基于蛋白質能量信息的算法，如MutaBind[Li M,Simonetti FL,GoncearencoA,Panchenko AR.(2016)MutaBind estimates and interprets the effects ofsequence variants on protein-protein interactions.Nucleic Acids Res.,44(W1),W494–501]。這一類方法主要利用了蛋白氨基酸殘基突變前后能量的改變，如利用能量模塊算法計算出的范德華力等對結合自由能進行回歸。

3.基于蛋白質序列的算法，如iPTREE-STAB[Huang,L.T.et al.(2007)iPTREE-STAB:interpretable decision tree based method for predicting proteinstability changes upon mutations.Bioinformatics,23,1292–1293]，MuStab[Teng,S.et al.(2010)Sequence feature-based prediction of protein stability changesupon amino acid substitutions.BMC Genomics,11,5.Bioinformatics,23,1292–1293]等，使用蛋白質化合物殘基序列信息作為特征，擬合突變前后結合自由能的變化量，從而對SNP是否破壞蛋白互作進行判斷。