蛋白质-配体相互作用的深度学习自动编码和随机映射研究

Protein-ligand interaction is the key to perform important rules in many physiological processes, which are almost a vital issue to be solved urgently in proteomics. It is also the key step to the drug discovery. Nowadays, many experiments are used to identify protein-ligand interactions. However, experiment methods are too costly and time-consuming. Therefore, computational methods are adopted. The proposal is based on deep learning and random projection classifier ensemble. Firstly, adopt deep learning method to build and mine PLI network. Secondly, explore the evolution-function relationship of proteins that interact with the same ligand, explore the specific functions of protein that interact with different ligands, and try to explore the interaction road of the specific protein. Thirdly, develop efficient ensemble system of multi-classifiers based on random projection and explore the function of protein without solved structure. Finally, an evaluation measure is developed to evaluate the prediction results. With the development of the project, we expect to construct a PLI data mining system with stronger availability and generality. As a result, the proposal can used to understanding protein functions and hence providing rationales for drug target design for curing related diseases.

蛋白质-配体相互作用在许多生理过程中扮演极其重要的角色，是药物发现的重要组成部分。本项目组在蛋白质相互作用及位点预测以及机器学习算法设计方面积累了大量的成果。目前，许多实验方法可以确定蛋白质-配体相互作用，却非常耗时耗力。本项目组拟采用深度学习自动编码和随机映射集成分类器来预测蛋白质-配体相互作用。首先，运用深度学习技术，构建并挖掘相互作用网络的深层次特征信息，探索与配体结合的不同蛋白质的功能进化关系，探索蛋白质结合不同配体所执行的特定功能，试图揭示蛋白质的相互作用通路；同时，开发高效的基于随机映射的多分类器集成的机器学习系统来研究未知结构蛋白质所执行的功能；通过生物实验来验证典型的蛋白质-配体相互作用；最后设计一种评估准则来对预测结果的可靠性进行评价。通过本项目的开展，我们希望建立一个高可靠性、通用型的相互作用数据挖掘平台，深入理解蛋白质功能，并为药物-靶标分子设计提供合理的机理。

蛋白质-配体相互作用在许多生理过程中扮演极其重要的角色，是药物发现的重要组成部分。本项目组在蛋白质相互作用及位点预测以及机器学习算法设计方面积累了大量的成果。目前，许多实验方法可以确定蛋白质-配体相互作用，却非常耗时耗力。本项目组拟采用深度学习自动编码和随机映射集成分类器来预测蛋白质-配体相互作用。首先，运用深度学习技术，构建并挖掘相互作用网络的深层次特征信息，探索与配体结合的不同蛋白质的功能进化关系，探索蛋白质结合不同配体所执行的特定功能，试图揭示蛋白质的相互作用通路；同时，开发高效的基于随机映射的多分类器集成的机器学习系统来研究未知结构蛋白质所执行的功能；通过生物实验来验证典型的蛋白质-配体相互作用；最后设计一种评估准则来对预测结果的可靠性进行评价。通过本项目的开展，我们希望建立一个高可靠性、通用型的相互作用数据挖掘平台，深入理解蛋白质功能，并为药物-靶标分子设计提供合理的机理。