2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩83頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、血管緊張素轉(zhuǎn)換酶(ACE)在人體血壓調(diào)節(jié)系統(tǒng)中起著至關(guān)重要的作用。它具有催化無活性的血管緊張素 I轉(zhuǎn)化為有升壓效應(yīng)的血管緊張素 II及可以使降壓緩激肽失活的雙重特性。目前,臨床治療高血壓的方法基本是尋找合適的酶抑制劑,抑制劑與酶結(jié)合發(fā)揮生物效應(yīng),從而對心臟、腎臟、腦等器官起到保護(hù)作用,降低心血管疾病的發(fā)病率及死亡率。因此,血管緊張素轉(zhuǎn)換酶抑制劑的預(yù)測及篩選成為了治療高血壓疾病的一大熱點(diǎn)問題。論文以ACE為研究對象,采用定量構(gòu)效關(guān)系(QS

2、AR)、分子對接等計(jì)算生物學(xué)相關(guān)的理論方法,對ACE抑制劑進(jìn)行分類預(yù)測及作用機(jī)理的探索,并作出了理論分析。論文主要研究內(nèi)容及結(jié)果如下:
 ?、倩贐inding數(shù)據(jù)庫篩選了554個(gè)ACE抑制劑底物分子,根據(jù)實(shí)驗(yàn)檢測數(shù)據(jù)結(jié)果進(jìn)行劃分,并利用vsurf_描述符對分子結(jié)構(gòu)進(jìn)行表征,結(jié)合支持向量機(jī)(SVM)建立了僅包含3個(gè)二維描述子的QSAR分類模型;同時(shí)又構(gòu)建了含有4個(gè)三維描述子的 QSAR模型,且模型均具有簡單、高效、預(yù)測性能高的優(yōu)點(diǎn)

3、。研究結(jié)果顯示:訓(xùn)練集444個(gè)樣本采用二維描述子建立的模型預(yù)測準(zhǔn)確度(Accuracy,Acc),靈敏度(Sensitivity,Sen),特異度(Specificity,Sep),受試者操作特征曲線下面積(Area Under Receiver Operating Characteristics Curve,AUC),馬修斯相關(guān)系數(shù)(Matthew’s Coefficient of Correlation,MCC)的結(jié)果分別為89.6

4、37%,91.185%,82.716%,0.938,0.686;測試集110個(gè)樣本的預(yù)測結(jié)果分別為81.818%,84.337%,74.074%,0.909,0.549。此外,論文還基于文獻(xiàn)收集了114個(gè)抑制劑分子作為外部預(yù)測集,其預(yù)測結(jié)果Acc,Sen及AUC為67.544%,70.526%,0.572。444個(gè)訓(xùn)練集樣本的三維描述子模型結(jié)果 Acc,Sen,Sep,AUC,MCC分別為88.739%,90.91%,80.43%,0.

5、914,0.678;預(yù)測測試集110個(gè)樣本的結(jié)果為86.364%,87.10%,82.35%,0.909,0.591;同時(shí)114個(gè)外部預(yù)測樣本的結(jié)果Acc,Sen及AUC分別為71.93%,94%,0.809。
  ②應(yīng)用本實(shí)驗(yàn)室研究開發(fā)的氨基酸廣義信息因子分析標(biāo)度(FASGAI)、天然和非天然氨基酸指數(shù)表征參數(shù)(NNAAIndex),這兩種氨基酸描述子對數(shù)據(jù)庫(BIOPEP)中 ACE抑制劑寡肽(二肽、三肽)進(jìn)行結(jié)構(gòu)表征。利用兩

6、種描述子的表征信息結(jié)合SVM分別對二肽、三肽建立最優(yōu)的分類模型。對比兩種不同描述符變量建立的模型結(jié)果,F(xiàn)ASGAI描述符建立的模型結(jié)果更加優(yōu)秀。二肽訓(xùn)練集78個(gè)樣本采用FASGAI描述子得到僅包含2個(gè)變量參數(shù)的QSAR模型,Acc,Sen,Sep,AUC, MCC分別為82.051%,79.167%,83.333%,0.903,0.601;測試集20個(gè)樣本的預(yù)測結(jié)果分別為90%,77.778%,100%,0.956,0.811。三肽訓(xùn)練

7、集106個(gè)樣本與測試集26個(gè)樣本采用FASGAI結(jié)構(gòu)表征建立的包含3個(gè)描述子的預(yù)測模型,其Acc, Sen,Sep,AUC分別為79.245%,77.907%,85%,0.846;76.923%,81.818%,50%,0.658。
  ③554個(gè)底物抑制劑分子、98條二肽、132條三肽分別采用分子對接方法進(jìn)行配體與受體結(jié)合,并聯(lián)合使用SVM預(yù)測模型參數(shù)及分子對接打分函數(shù)得到的打分值建立新的預(yù)測模型,進(jìn)一步鞏固并解釋SVM模型的可

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論