[发明专利]一种基于多元数据预测DNA突变影响蛋白互作的预测方法

说明书

一种基于多元数据预测DNA突变影响蛋白互作(Protein‑Protein Interaction，PPI)的预测方法。本方法以DNA上SNP(Single Nucleotide Polymorphisms，SNP)是否对蛋白互作产生影响为研究对象，使用蛋白质的结构、功能和氨基酸序列相关的七类特征，采用支持向量机(Support Vector Machine，SVM)和集成学习算法作为分类器，就SNP是否破坏蛋白互作进行预测。同时，对蛋白之间是否存在相互作用以及SNP引起的氨基酸变异是否发生在蛋白互作面(PPI interface)上进行判断。

技术领域

本发明涉及一种在机器学习与生物信息学知识背景下，预测DNA突变影响蛋白互作的算法，尤其是涉及一种基于多元数据预测DNA突变影响蛋白互作的预测方法。

背景技术

DNA单位点核苷酸突变(Single Nucleotide Polymorphisms，SNP)导致蛋白质氨基酸变异从而破坏蛋白质互作(Protein Protein Interaction，PPI)可能引发多种疾病，给人类的健康带来很大威胁。例如由SNP rs17646665引起蛋白质APOE发生氨基酸突变，破坏APOE和SORT1之间的蛋白质互作，促进APOE/Aβ化合物的生成，加大了阿尔海默茨病(AD)的患病风险。

目前预测SNP对PPI稳定性影响的算法主要有以下四种：

1.基于蛋白质结构进行预测的算法，如AUTO-MUTE[Masso,M.and Vaisman,I.(2008)Accurate prediction of stability changes in protein mutants bycombining machine learning with structure based computationalmutagenesis.Bioinformatics,24,2002–2009],CUPSAT[Parthiban,V.,et al.(2006)CUPSAT:prediction of protein stability upon point mutations.Nucleic AcidsRes.,34,239–242]等。这一类方法主要使用蛋白质化合物的结构特征，如溶剂可及面积、氨基酸之间距离、残疾深度等，结合机器学习和统计学方法对结合自由能(Binding freeenergy)进行回归预测。

2.基于蛋白质能量信息的算法，如MutaBind[Li M,Simonetti FL,GoncearencoA,Panchenko AR.(2016)MutaBind estimates and interprets the effects ofsequence variants on protein-protein interactions.Nucleic Acids Res.,44(W1),W494–501]。这一类方法主要利用了蛋白氨基酸残基突变前后能量的改变，如利用能量模块算法计算出的范德华力等对结合自由能进行回归。

3.基于蛋白质序列的算法，如iPTREE-STAB[Huang,L.T.et al.(2007)iPTREE-STAB:interpretable decision tree based method for predicting proteinstability changes upon mutations.Bioinformatics,23,1292–1293]，MuStab[Teng,S.et al.(2010)Sequence feature-based prediction of protein stability changesupon amino acid substitutions.BMC Genomics,11,5.Bioinformatics,23,1292–1293]等，使用蛋白质化合物残基序列信息作为特征，拟合突变前后结合自由能的变化量，从而对SNP是否破坏蛋白互作进行判断。