用于结合自由能盲预测的特征泛函理论——结合预测器 (FFT-BP)
定量方法
2017-04-03 v1 机器学习
化学物理
摘要
我们提出了一种用于蛋白质-配体结合亲和力预测的特征泛函理论——结合预测器 (FFT-BP)。FFT-BP 的基本假设如下：i) 可表示性：存在一个微观特征向量，能够唯一表征并区分不同的蛋白质-配体复合物；ii) 特征-函数关系：复合物的宏观特征（包括结合自由能）是微观特征向量的泛函；iii) 相似性：具有相似微观特征的分子具有相似的宏观特征，如结合亲和力。利用隐式溶剂模型和量子理论等物理模型提取微观特征，同时采用机器学习算法对蛋白质-配体复合物之间的相似性进行排序。大量的数值验证和测试证实了所提出的 FFT-BP 模型的准确性和鲁棒性。FFT-BP 对 100 个复合物的基准集、PDBBind v2007 核心集（195 个复合物）和 PDBBind v2015 核心集（195 个复合物）进行盲预测的均方根误差 (RMSE) 分别为 1.99、2.02 和 1.92 kcal/mol。其相应的 Pearson 相关系数分别为 0.75、0.80 和 0.78。
关键词
引用
@article{arxiv.1703.10927,
title = {Feature functional theory - binding predictor (FFT-BP) for the blind prediction of binding free energies},
author = {Bao Wang and Zhixiong Zhao and Duc D. Nguyen and Guo-Wei Wei},
journal= {arXiv preprint arXiv:1703.10927},
year = {2017}
}
备注
25 pages, 11 figures