基于深度信念网络的CYP4502C9抑制性分类

细胞色素P450 2C9 (Cytochrome P450 2C9)是人体肝脏中重要的代谢酶,参与多种药物代谢,约占CYP450蛋白总量的15％ ～ 20％.利用深度学习思想,提出基于深度信念网络DBN(Deep Belief Network)的CYP450 2C9抑制性分类模型.实验选用13 000个化合物作为数据集,采用PubChem和MACCS分子指纹进行分子结构表征.利用DBN的半监督学习方式从预处理后的特征中学习更本质的特征表示,避免人工提取特征的过程,实现CYP450 2C9的抑制性分类.实验结果表明:在同等条件下,DBN相比于SVM和ANN具有明显优势,平均分类准确率为80.6％,灵敏度(SE)为86.9％,特异性(SP)为66.2％,对药物筛选和新药研发具有积极意义.