[发明专利]一种预测多肽毒性的方法

说明书

本发明公开了一种预测多肽毒性的方法，通过选择ToxinPred文章中提供的数据集、SATPdb数据库和UniPort数据库中的多肽作为训练数据，再通过二肽组成矩阵的数据处理方式输入模型中训练，模型采用RF，LDA这两种模型结合进行训练生成了的预测模型，再加上BLAST比对；这样的方法能够将真正的毒性肽尽可能的全部找出，降低临床应用的危险度安全风险。

技术领域

本发明涉及生物信息领域，特别是一种预测多肽毒性的方法。

背景技术

多肽是多个氨基酸通过缩合反应连接在一起的大分子，广泛存在于生物体细胞的各个角落，参与和执行各项生命活动。大部分多肽对于人体是没有危害的，但自然界中也存在许多有毒性的多肽，例如多数蛇毒或河豚毒素。在合成用于肿瘤免疫治疗的多肽疫苗时，由于制剂也属于多肽，因此在输入人体之前，必须判断合成得到的多肽是否具有毒性，以免引起严重的医疗事故。

目前预测多肽毒性的方法并不多，文献In Silico Approach for PredictingToxicity of Peptides and Proteins(Sudheer et.al,2013)提供了一种用SVM算法预测毒性的思路，并提供了在线工具TOXIN PRED(http://crdd.osdd.net/raghava/toxinpred/)。文献使用了来自ATDB、 SWISSPROT、trEMBL等数据库的5万多条阳性多肽作为训练数据，用SVM模型进行训练。文章测试结果显示该方法的分类效果最高达到了98％。然而，用SATPdb数据库中toxic peptide 子数据库(http://crdd.osdd.net/raghava/satpdb/toxic.fasta)的多肽对TOXIN PRED进行测试后，发现结果与预期有很大的差距，输入10组的250条阳性多肽，测试出阴性占比过高，如下表所示。据下表所示，统计测试之后确认TOXIN PRED存在漏洞，对文献的结果也存在疑问。

测试阳性肽数量	预测为阴性的数量	预测阴性的占比
250	131	52.40％
250	106	42.40％
250	199	79.60％
250	214	85.60％
250	172	68.80％
250	189	75.60％
250	218	87.20％
250	210	84.00％
250	155	62.00％
250	170	68.00％