融合物化特征及结构信息的随机森林算法识别Ca^(2+),Mg^(2+)和Mn^(2+)结合残基

摘要

Ca^(2+),Mg^(2+)和Mn^(2+)结合残基的识别是众多的金属离子配体中效果较差的,但这些金属离子配体与蛋白质的相互作用在生命进程中实现了不可替代的生物学功能,因此提高Ca^(2+),Mg^(2+)和Mn^(2+)结合残基的识别质量对药物设计特别重要。工作中提出了一种融合物化特征及结构信息的随机森林预测方法,对Ca^(2+),Mg^(2+)和Mn^(2+)配体结合残基预测的总精度分别达到了77.6%,77.0%和87.1%,马氏相关系数分别达到了0.563,0.542和0.743。同时将同样的预测参数降维后应用于SVM方法对三种金属离子结合残基进行了预测,也得到了较好的预测结果。