摘要
多肽是由α-氨基酸通过脱水缩合形成肽键连接的生物高分子化合物，人体内诸多活性物质以肽的形式存在，因其结构相似而具优异生物相容性与高稳定性。多肽药物的特异性功能使其能更准确地靶向于目标分子，从而降低对非目标分子的负面影响，被广泛应用于癌症、糖尿病、免疫系统相关疾病的治疗。然而当下肽相关领域研究主要依赖实验结果与经验法则，效率低且易受环境及人为误差影响。近年来，随着计算机技术快速发展，计算机辅助研究成为实验研究重要补充且潜力巨大。 本研究以多肽自组装为核心对象，深入挖掘相关文献，利用机器学习技术实现了对文献库中关键信息的高效提取，并对提取的信息进行细致的清洗和整理。在此基础上，通过构建的一维多肽自组装语料库，探究了氨基酸组成（AAC）、原子组成（ATC）和物理化学性质（PCP）特性对多肽二级结构和自组装形貌的影响程度，并运用这一小型数据集构建了最优机器学习预测模型，从而深度探究多肽自组装的构效关系。本论文的研究改变了传统实验室中多肽研究的方法论，为多肽研究开辟了新的途径，并为未来相关领域的发展提供了全新的解决方案。 结果表明:在多肽和二级结构成分分析过程中，在AAC中，L残基对于多肽二级结构种类影响最大，其次K、P残基影响居中;在DPC中，KK和LK这两种二肽组合对于多肽二级结构种类影响最大;在ATC中，氢（H）含量对于二级结构α-helix形成影响明显高于其他两种二级结构;在PCP中，小型残基（small）和非极性（unpolar）对于多肽二级结构种类影响最大。在多肽和二级结构模型预测过程中，通过单个特征和混合特征的性能对比，最终选择包含三个特征（AAC、PCP、DPC）作为预测模型（SVMSS）。 在多肽和自组装形貌成分分析过程中:在AAC中，K残基对于多肽自组装相貌结构种类影响最大，其次A、F、I、L残基影响居中;在DPC中，DPC特征对多肽二级结构种类影响远高于对多肽自组装形貌的影响;在ATC中，多肽中氢（H）含量对于水凝胶形貌结构的形成的影响尤为明显;在PCP中，疏水性（HP）对于多肽自组装形貌结构种类影响最大，其次是相对分子质量。在多肽和多肽自组装形貌模型预测过程中，择包含两个特征（AAC、ATC）和包含两个特征（ATC、PCP）分别作为预测模型（XGBM）和预测模型（SVMM）。
NETL