使用机器学习对“真实世界”案例中水溶液蛋白质结构的化学位移进行精确预测
化学物理
2019-12-06 v1
摘要
精确预测核磁共振化学位移原则上可以帮助将蛋白质的水溶液结构精修到X射线结构的质量。我们报告了一种新的用于蛋白质化学位移预测的机器学习算法，在真实的核磁共振溶液数据上优于现有的化学位移计算器。我们的UCBShift预测器实现了两个模块：一个转移预测模块，利用序列和结构比对来选择参考候选以复制实验化学位移；以及一个基于随机森林回归的重新设计的机器学习模块，该模块利用更多且更精心筛选的特征提取数据。当两者结合时，这个新预测器在“真实世界”数据集上实现了化学位移预测的最先进精度，酰胺氢的均方根误差为0.31 ppm，Hα为0.19 ppm，C为0.87 ppm，Cα为0.81 ppm，Cβ为1.01 ppm，N为1.83 ppm，超过了当前流行的化学位移预测器（如SPARTA+和SHIFTX2）的预测精度。
引用
@article{arxiv.1912.02735,
title = {Accurate Prediction of Chemical Shifts for Aqueous Protein Structure for "Real World" Cases using Machine Learning},
author = {Jie Li and Kochise C. Bennett and Yuchen Liu and Michael V. Martin and Teresa Head-Gordon},
journal= {arXiv preprint arXiv:1912.02735},
year = {2019}
}