[發明專利]一種分析預測癌癥突變影響LIR模體功能的方法

有效

• 申請號: 201810378036.1
• 申請日: 2018-04-25
• 公開（公告）號: CN108763872B
• 公開（公告）日: 2019-12-06
• 發明（設計）人: 薛宇;鄧萬錕;賈大
• 申請（專利權）人: 華中科技大學
• 主分類號: G16B15/20
• 分類號: G16B15/20;G16B35/00;G16B40/00
• 代理公司: 42201 華中科技大學專利中心
• 代理人: 許恒恒;李智<國際申請>=<國際公布>=

本發明公開了一種分析預測癌癥突變影響LIR模體功能的方法，包括以下步驟：(1)利用LIR模體數據訓練預測模型；(2)利用模型對癌癥突變前后的肽段數據分別打分；(3)利用模型對候選肽段的肽段數據進行打分，得出打分結果與該候選肽段對應的肽段數據其屬于真實LIR模體或非真實LIR模體的貝葉斯概率之間的關系，接著將癌癥突變前后對應的肽段分別作為候選肽段，并代入步驟(2)中的打分結果，得到癌癥突變前后對應的肽段它們的貝葉斯概率；(4)計算該癌癥突變對于LIR功能的可選影響方式的概率。本發明通過利用LIR模體數據、以及癌癥突變前后對應的肽段數據，系統性的研究癌癥突變對LIR模體功能的影響，能夠預測出癌癥突變對于LIR功能的可選影響方式的概率。

技術領域

本發明屬于自噬領域，更具體地，涉及一種分析預測癌癥突變影響LIR模體功能的方法，利用該方法可以分析預測已有的癌癥突變對LIR模體進而對自噬通路的影響，當然，隨著未來新癌癥突變的發現，該方法也可以用于判斷這些新癌癥突變對LIR模體進而對自噬通路的影響。

背景技術

細胞自噬是細胞內清除損壞組件和蛋白質或在饑餓條件下通過降解自身一部分蛋白質以渡過難關的一種機制。在正常生理條件下，細胞通過自噬清除受損的細胞器或蛋白質聚集物，自噬的受阻會引起多種疾病。在自噬的核心機制中，自噬體的形成一個復雜而保守的過程，其中，LC3(酵母中ATG8的人類同源)對于自噬體的形成起著至關重要的作用，其關系到自噬體膜的彎曲、自噬底物的募集的過程，是自噬過程中唯一一直定位于自噬體膜的蛋白質。除了影響到自噬體膜的彎曲外，LC3決定了需要募集到自噬體內并降解的細胞內容物，其通過一個保守的模體，即LIR(LC3 interaction region，亦稱AIM，ATG8interaction motif)模體來識別和特異性的選擇底物。研究表明，幾乎所有LIR模體都符合[W/Y/F]XX[L/I/V]的序列模式。這一序列模式的改變或是周圍氨基酸微環境的改變，都將有可能影響到LC3與底物的結合進而影響到細胞自噬的過程。影響LIR功能的一大因素是癌癥突變。目前，主流提供癌癥突變信息的數據庫有TCGA，ICGC，ClinVar，COSMIC等等。對于LIR，目前尚缺乏系統性的研究。2014年，Ioanna Kalvari等人開發了在線服務平臺iLIR并于2016年更新(Ioanna Kalvari et.al.,Autopahgy,Volume 10,2014-Issue 5)。iLIR使用收集的LIR數據，結合PSSM算法，在八個模式生物中鑒定了潛在的LIR模體。然而，其并沒有對鑒定的數據進行進一步分析與驗證，并且，PSSM算法的預測準確性有待進一步提高。而系統性的研究癌癥突變對LIR模體功能影響的工作更為缺乏。

發明內容

針對現有技術的以上缺陷或改進需求，本發明的目的在于提供一種分析預測癌癥突變影響LIR模體功能的方法，通過利用LIR模體數據、以及癌癥突變前后對應的肽段數據，并通過對該分析預測方法的整體流程步驟設置、關鍵步驟(如預測模型的訓練步驟、貝葉斯概率的計算步驟、可選影響方式的概率計算步驟等)的具體數據處理及計算過程等進行改進和進一步優選，系統性的研究癌癥突變對LIR模體功能的影響，進而可以預測出癌癥突變對于LIR功能的若干種可選影響方式的概率，填補了現有技術的空白；并且由于本發明是基于邏輯回歸的訓練方式對預測模型進行訓練，具有訓練速度快，分析預測效率高等優點。

為實現上述目的，按照本發明，提供了一種分析預測癌癥突變影響LIR模體功能的方法，其特征在于，包括以下步驟：

(1)利用LIR模體數據訓練預測模型；該模型用于以LIR模體數據作為參照物評價某一肽段數據與這些參照物之間的相似度分數；

(2)利用所述步驟(1)得到的預測模型，基于生物的正常蛋白質序列和該生物的癌癥突變的肽段數據，對突變前后的肽段數據與所述LIR模體數據之間的相似度分別打分；