• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于機器學(xué)習(xí)方法的丙型肝炎病毒聚合酶NS5B 非核苷抑制劑的定量構(gòu)效關(guān)系研究

    2013-09-17 06:58:52英,2,*
    物理化學(xué)學(xué)報 2013年8期
    關(guān)鍵詞:描述符特征選擇遺傳算法

    叢 湧 薛 英,2,*

    (1四川大學(xué)化學(xué)學(xué)院,教育部綠色化學(xué)與技術(shù)重點實驗室,成都610064;2西華大學(xué)四川省先進科學(xué)計算重點實驗室,成都610039)

    1 引言

    丙型肝炎病毒(HCV)是通過血液傳染的非甲、非乙型肝炎(non-A,non-B viral hepatitis)的主要致病因子.全世界約有1.7億慢性丙肝病毒感染者,每年有35萬余人死于與丙肝相關(guān)的肝臟疾病.1,2由于缺少特異有效的藥物和疫苗,目前臨床上采用α-2-聚乙二醇化干擾素(pegylated interferon-α-2a)與利巴韋林(ribavirin)聯(lián)合用藥治療丙型肝炎,其治療有效率僅為50%,治療周期較長,不良反應(yīng)發(fā)生頻率高且比較嚴(yán)重.3HCV的高度變異性使治療和預(yù)防面臨巨大困難,急需研發(fā)有效的抗HCV藥物,以補充完善目前現(xiàn)有的治療方法.近年來,尋找HCV特定靶向抗病毒治療藥物(STAT-C)是抗HCV研究的重要方向,這些特定靶向的靶點包括NS3/NsS4A蛋白酶/解旋酶和非結(jié)構(gòu)蛋白5B(NS5B)RNA依賴的聚合酶(NS5B RNA-dependent RNA polymerase)等,其中以丙型肝炎病毒NS5B RNA聚合酶為靶標(biāo)的抗HCV藥物研究頗受關(guān)注.4

    NS5B是一種病毒編碼的RNA依賴性RNA聚合酶,可以調(diào)控丙型肝炎病毒RNA模板(-)鏈的合成及(+)鏈基因組RNA的再生,5在丙型肝炎病毒復(fù)制進程中必不可少.研究發(fā)現(xiàn)通過對NS5B的抑制可以有效阻斷丙肝病毒復(fù)制,以NS5B為靶點的抑制劑設(shè)計、合成及生物測試越來越成為該領(lǐng)域的研究熱點,一系列具有不同骨架結(jié)構(gòu)的核苷型(NIs)、非核苷型(NNIs)NS5B抑制劑被不斷的合成及報道,6其中包括苯并咪唑,7吲哚,8噻吩,9吖啶酮衍生物,10苯并噻二嗪11等類型抑制劑.然而,這些研究主要集中在合成新的抑制劑化合物及測試其生物抑制活性,實驗周期較長且資金消耗巨大.因此,在早期藥物研發(fā)過程中,為了縮短藥物開發(fā)周期和節(jié)約成本,我們急需大力發(fā)展計算機模擬技術(shù)對小分子抑制劑生物活性做出初步定性和定量的預(yù)測,并從建立的數(shù)據(jù)統(tǒng)計模型中挖掘大分子蛋白靶點與小分子配體的可能作用機理,進一步指導(dǎo)和輔助新型抗HCV藥物分子的設(shè)計和發(fā)現(xiàn).

    結(jié)構(gòu)-活性關(guān)系研究(SAR)已經(jīng)成功應(yīng)用于抗HCV抑制劑的發(fā)現(xiàn).在這些方法當(dāng)中,定量結(jié)構(gòu)-活性關(guān)系(QSAR)研究分子結(jié)構(gòu)與其所表達生物活性之間的相關(guān)性,在廣泛實踐中已被證明是一種非常有效的計算機輔助藥物設(shè)計工具.與其他方法相比,QSAR方法的優(yōu)點在于其建立的數(shù)據(jù)統(tǒng)計模型可以直觀指示在生物抑制活性確定中發(fā)揮重要作用的小分子抑制劑結(jié)構(gòu)性因素;構(gòu)建模型所需的分子描述符獨立于任何實驗條件,可以通過小分子抑制劑三維結(jié)構(gòu)直接計算得出;通過QSAR方法得到的構(gòu)效關(guān)系能夠提供非常有用的信息,這些信息可以進一步指導(dǎo)及輔助基于配體(ligand-based)和基于受體(receptor-based)的藥物設(shè)計.然而,遺憾的是,基于機器學(xué)習(xí)的二維定量構(gòu)效關(guān)系研究并不能明確揭示生物大分子蛋白受體與小分子抑制劑配體結(jié)合的三維構(gòu)象;在這樣的二維定量構(gòu)效關(guān)系研究中,研究人員經(jīng)常不會考慮樣本分子集三維構(gòu)象的疊合和取向.基于大分子靶蛋白和小分子抑制劑三維構(gòu)象的3D-QSAR仍然是定量構(gòu)效關(guān)系研究的發(fā)展趨勢,也是我們工作組未來的研究重點.傳統(tǒng)的化學(xué)信息學(xué)方法多采用多元線性回歸(MLR)、啟發(fā)式方法(HM)、主成分回歸(PCR)和偏最小二乘方法(PLS)等線性定量構(gòu)效關(guān)系方法建模.近年來,支持向量機(SVM)和徑向基函數(shù)網(wǎng)絡(luò)(RBF)等非線性回歸方法在多樣性分子結(jié)構(gòu)樣本集中對藥效學(xué)、藥代動力學(xué)和毒理學(xué)性質(zhì)不斷顯示其優(yōu)異的預(yù)測性能,12,13正越來越多的受到關(guān)注.Melagraki等14對98個苯并噻二嗪衍生物抗HCV抑制劑進行了定量構(gòu)效研究,通過采用線性逐步回歸特征消除選擇方法(ES-SWR)從ChemSar和Topix軟件計算的分子描述符集中篩選出5個重要的分子描述符建立QSAR模型.他們的QSAR模型對訓(xùn)練集的平方相關(guān)系數(shù)(R2)僅為0.74,對驗證集的R2為0.81.Li研究小組15運用最佳多元線性回歸方法(BMLR)選擇建模最優(yōu)描述符子集,并采用多元線性回歸、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)和支持向量機方法建立線性和非線性QSAR模型對118個苯并噻二嗪衍生物抗HCV抑制劑進行了定量構(gòu)效關(guān)系研究,15其中非線性RBFNN和SVM模型給出更為準(zhǔn)確和理想的預(yù)測結(jié)果,兩種非線性模型對于訓(xùn)練集的R2分別為0.850和0.875,對于測試集的R2分別為0.893和0.854.雖然苯并噻二嗪衍生物抗HCV抑制劑的定量構(gòu)效關(guān)系研究已經(jīng)取得了一些有成效的結(jié)果,然而如何選擇合適的特征選擇和建模機器學(xué)習(xí)方法仍然是影響QSAR模型預(yù)測能力的兩個關(guān)鍵因素.本工作研究了89個最新報道的苯并異噻唑(benzoisothiazole)和苯并噻嗪(benzothiazine)類抗HCV抑制劑的定量構(gòu)效關(guān)系.我們嘗試使用遺傳算法組合偏最小二乘(GA-PLS)和線性逐步回歸分析(LSRA)特征選擇方法選擇最優(yōu)描述符子集.對每種特征選擇方法選擇的描述符子集分別采用多元線性回歸、偏最小二乘、遺傳算法組合支持向量機(GA-SVM)三種方法用訓(xùn)練集建立QSAR模型,并用這些模型預(yù)測了測試集中化合物的NS5B抑制活性.

    2 材料與方法

    2.1 丙型肝炎病毒聚合酶NS5B抑制劑數(shù)據(jù)集的選取

    本工作從最近發(fā)表的文獻中總共收集了89個苯并異噻唑16,17和苯并噻嗪18-20類丙型肝炎病毒聚合酶NS5B抑制劑.這些化合物的IC50值(1-868000 nmol·L-1)均用相同的實驗測量方法在相同的實驗條件下測定,被測抑制劑中大部分是高效NS5B抑制劑.首先使用ChemDraw軟件繪制每個小分子抑制劑的二維結(jié)構(gòu),隨后通過CORINA軟件將小分子二維平面結(jié)構(gòu)轉(zhuǎn)換成三維結(jié)構(gòu),再采用量子化學(xué)AM1計算方法優(yōu)化每一個抑制劑分子的三維構(gòu)型,然后對計算結(jié)果進行手動檢查以確保每個優(yōu)化分子都生成正確的手性結(jié)構(gòu)且沒有重復(fù).為了便于研究,我們將抑制劑的IC50值轉(zhuǎn)換成pIC50值(lg(109/IC50))作為QSAR模型的因變量.根據(jù)化合物的結(jié)構(gòu)與化學(xué)性質(zhì)在化學(xué)空間中的相似性和分布,21將所有的化合物分為訓(xùn)練集和測試集兩大類.訓(xùn)練集(含45個小分子抑制劑)訓(xùn)練和優(yōu)化回歸模型,測試集(含44個小分子抑制劑)評價回歸模型的預(yù)測能力.

    2.2 分子描述符的計算

    分子描述符在定量構(gòu)效關(guān)系研究中經(jīng)常被用于定量描述分子的結(jié)構(gòu)和物理化學(xué)特性.在我們的研究中,通過手動方法從相關(guān)文獻中找出一千多個分子描述符,并根據(jù)化合物拓?fù)浣Y(jié)構(gòu)、電子結(jié)構(gòu)和幾何結(jié)構(gòu)等性質(zhì),剔除明顯冗余和與預(yù)測藥物性質(zhì)不相關(guān)的描述符,22最終篩選出189個與化合物性質(zhì)密切相關(guān)的分子描述符(見表1).其中包括18個簡單分子性質(zhì)描述符(如分子量、可旋轉(zhuǎn)的鍵數(shù)),27個分子連接性和形狀描述符(如分子連接性指數(shù)和分子卡伯形狀指數(shù)),97個電拓?fù)鋺B(tài)分子描述符(如電子拓?fù)鋺B(tài)指數(shù)),22個量子化學(xué)性質(zhì)分子描述符(如原子電荷和分子的偶極矩)和25個分子幾何特性描述符(如溶劑可及表面積和疏水區(qū)域).我們應(yīng)用實驗室自編的分子描述符計算程序,根據(jù)AM1方法優(yōu)化過后的化合物三維結(jié)構(gòu)計算所有的分子描述符.為了減少建模中描述符之間高度自相關(guān)帶來的多重共線性干擾,在特征選擇之前對這189個分子描述符集做了預(yù)處理,步驟如下:(1)移除在90%的樣本分子中具有相同數(shù)值的描述符;(2)移除相對標(biāo)準(zhǔn)偏差小于0.05的描述符;(3)對于Pearson相關(guān)系數(shù)超過0.95的一對描述符,留下與生物活性相關(guān)性較高的描述符,剔除另外一個.23經(jīng)過上述預(yù)處理,我們最終保留了85個分子描述符進行下一步的特征選擇.

    2.3 特征選擇方法

    2.3.1 逐步回歸分析法

    我們借助SPSS軟件自帶的逐步回歸分析程序選擇最優(yōu)描述符子集,逐步回歸分析法中每步有兩個過程即引進變量和剔除變量,且引進變量和剔除變量均需作F檢驗后方可繼續(xù)進行,故又稱為雙重檢驗回歸分析法.其具體步驟如下:(1)引入變量,引入變量的原則是未引進變量中偏回歸平方和最大者并經(jīng)過F顯著性檢驗,若顯著則引進,否則終止.(2)剔除變量,剔除原則是在引進的自變量中偏回歸平方和最小者,并經(jīng)過F檢驗不顯著,則剔除.(3)終止條件即最優(yōu)條件,再無顯著自變量引進,也沒有不顯著自變量可以剔除.

    2.3.2 遺傳算法組合偏最小二乘方法

    我們借助MATLAB偏最小二乘-遺傳算法工具箱24實現(xiàn)最優(yōu)描述符子集的選取.GA-PLS是一種基于遺傳算法的優(yōu)化工具,25,26其算法過程描述如下:(1)定義和編碼染色體;(2)種群的初始化;(3)評價每個染色體的適應(yīng)度;(4)保護染色體;(5)保留最好的染色體;(6)對種群進行交叉和變異遺傳操作;(7)若滿足終止條件停止程序,否則轉(zhuǎn)入步驟3.本實驗采用了GA-PLS工具箱里的三個函數(shù),它們分別是GAPLSOPT(dataset,1),GAPLSOPT(dataset,2)和GAPLS(dataset,the number of evaluation,precision).

    GAPLSOPT(dataset,1)函數(shù)測試樣本數(shù)據(jù)集是否適用GA-PLS方法選取特征,根據(jù)GA-PLS軟件設(shè)計者介紹,如果GAPLSOPT函數(shù)對于樣本數(shù)據(jù)集的測試輸出結(jié)果在0到5之間,使用GA-PLS方法對數(shù)據(jù)集進行特征選擇是安全穩(wěn)定的.圖1中顯示了本工作89個小分子抑制劑對應(yīng)的85個分子描述符樣本數(shù)據(jù)集的GAPLSOPT(dataset,1)輸出結(jié)果,樣本數(shù)據(jù)集的隨機測試結(jié)果在0到4.9468之間,這說明采用GA-PLS方法對該數(shù)據(jù)集進行特征選擇是可靠的.為了避免GA-PLS方法在訓(xùn)練過程中產(chǎn)生過擬合,我們使用GAPLSOPT(dataset,2)函數(shù)估計GAPLS函數(shù)所需的最優(yōu)評價次數(shù)(the number of evaluation)參數(shù),如圖2所示,GAPLSOPT(dataset,2)的差異曲線在評價次數(shù)為115處有全局最大值,因此,評價次數(shù)被置為115作為GAPLS函數(shù)的最優(yōu)控制參數(shù).經(jīng)過上述準(zhǔn)備工作,我們運行GAPLS函數(shù)對數(shù)據(jù)集進行特征選擇.為了減少隨機誤差,我們重復(fù)了10次GAPLS實驗得到平均結(jié)果.圖3顯示了交叉驗證響應(yīng)和每個描述符的被選擇頻率,在85個分子描述符中,GAPLS函數(shù)最終選出7個分子描述符用于下一步的QSAR建模.

    表1 所用的分子描述符Table 1 Molecular descriptors used in this work

    2.4 遺傳算法組合支持向量機方法

    圖2 GAPLSOPT(2)差異曲線Fig.2 GAPLSOPT(2)difference curve

    支持向量機是基于結(jié)構(gòu)風(fēng)險最小化(SRM)理論的機器學(xué)習(xí)方法,其兩分類理論經(jīng)過多年發(fā)展已日趨成熟.通過引入ε-不敏感損失函數(shù),支持向量機也可以擴展用來解決小樣本數(shù)據(jù)集的回歸問題.支持向量機經(jīng)由核函數(shù)K(xi,x)將輸入空間的X向量映射到高維希爾伯特空間H,其常用的核函數(shù)包括線性、多項式、徑向基和S形等函數(shù)形式,其中徑向基函數(shù)由于良好的非線性映像能力已在諸多領(lǐng)域得到了廣泛應(yīng)用.27本研究使用高斯徑向基函數(shù)(RBF)構(gòu)建支持向量機回歸模型.高斯核函數(shù)具體表示如下:

    我們在K(xi,x)特征空間構(gòu)造決策函數(shù)(方程2)作為ε-支持向量機的最優(yōu)解:

    其中b為方程的偏置項.

    圖3 GAPLS函數(shù)描述符選擇頻率估計Fig.3 Selected frequency figure by GAPLS function

    支持向量回歸機的泛化性能取決于最優(yōu)正則化參數(shù)C,不敏感參數(shù)ε和RBF核函數(shù)寬度σ的選取.28正則化參數(shù)C對回歸函數(shù)的復(fù)雜性和泛化能力進行折衷.在確定的數(shù)據(jù)子空間中,參數(shù)C取得太小,則對樣本數(shù)據(jù)中超出ε不敏感帶的樣本懲罰就越小,使訓(xùn)練誤差變大,系統(tǒng)的泛化能力變差,會出現(xiàn)“欠學(xué)習(xí)”現(xiàn)象;C取得太大,相應(yīng)的權(quán)重就小,系統(tǒng)的泛化能力變差,會出現(xiàn)“過學(xué)習(xí)”現(xiàn)象.不敏感參數(shù)ε控制著ε不敏感帶的寬度,影響著支持向量的數(shù)目.ε值選得太小,回歸估計精度高,但支持向量數(shù)目增多,ε選的太大,回歸估計精度降低,支持向量數(shù)目減少,支持向量機的稀疏性大.RBF核函數(shù)寬度σ反映了訓(xùn)練樣本數(shù)據(jù)的分布或范圍特性,它確定了局部領(lǐng)域的寬度,較大的σ意味著較低的方差.

    遺傳算法是模擬達爾文生物進化論自然選擇和遺傳學(xué)機理的生物進化過程的計算模型,是一種通過模擬自然進化過程搜索最優(yōu)化解的方法.29本工作中我們采用遺傳算法同時對支持向量回歸機的三個參數(shù)(正則化參數(shù)C,不敏感參數(shù)ε和RBF核函數(shù)寬度參數(shù)σ)進行優(yōu)化.新型進化計算框體—Python環(huán)境下分布式進化算法(DEAP)30被用來實現(xiàn)SVM參數(shù)優(yōu)化的遺傳算法框架,Libsvm程序31被用于構(gòu)建ε-SVM回歸模型,通過引入Python多路處理模塊(The multi-processing techniques in Python),我們實現(xiàn)了GA-SVM算法的并發(fā),大大提高了算法的計算速度.在遺傳算法中,染色體使用二進制編碼,每個染色體由C:(Ci,i=1-nc),ε:(εj,j=1-nε)和σ:(σk,k=1-nσ)三部分組成,Ci表示染色體中表征正則化參數(shù)C二進制位串中第i位的數(shù)值,σk表示染色體中表征RBF核函數(shù)寬度參數(shù)σ二進制位串中第j位的數(shù)值,εk表示染色體中表征不敏感參數(shù)ε二進制位串中第k位的數(shù)值,nc、nσ和nε分別表示染色體中表征C、σ和ε的二進制位串的長度(在本工作中nc=10,nσ=10,nε=10).根據(jù)解碼公式(5),這三個二進制編碼位串被分別轉(zhuǎn)換成正則化參數(shù)C、不敏感參數(shù)ε和RBF核函數(shù)寬度參數(shù)σ的實數(shù)值.

    其中R表示二進制位串所表征相應(yīng)參數(shù)的真實值,maxR和minR為相應(yīng)參數(shù)最大和最小指數(shù)冪取值范圍(參數(shù)取值在2minR和2maxR

    之間),d為二進制位串轉(zhuǎn)十進制數(shù)值,l為二進制位串的長度.我們設(shè)置C的取值范圍為2-10-215;ε的取值范圍為:2-10

    -210;σ的取值范圍為2-10-28;n重交叉驗證均方誤差(MSECV)作為遺傳算法的適應(yīng)度函數(shù),定義如下:

    其中,yi是實驗真實值,?i是模型的計算值,ntest是n重交叉驗證集的樣本化合物數(shù)目.遺傳算法的選擇、交叉和變異操作,我們通過調(diào)用DEAP內(nèi)置函數(shù)——selTournament(individuals,k,tournsize)、cxTwo Points(ind1,ind2)和mutFlipBit(individual,indpb)來實現(xiàn),設(shè)置種群規(guī)模為500,總共迭代100代,交叉率和變異率分別設(shè)置為0.6和0.2.當(dāng)某代種群中95%以上的個體得到相同的均方誤差適應(yīng)度數(shù)值停止算法,作為GA-SVM的停機準(zhǔn)則.

    3 結(jié)果和討論

    3.1 兩種特征選擇方法選出的最優(yōu)描述符子集及討論

    逐步回歸分析法共選出6個分子描述符,其中包括2個簡單分子性質(zhì)描述符、1個分子連接性和形狀描述符、2個量子化學(xué)性質(zhì)描述符和1個分子幾何特性描述符;遺傳算法組合偏最小二乘方法共選出7個分子描述符,其中包括3個簡單分子性質(zhì)描述符、1個分子連接性和形狀描述符、1個電拓?fù)鋺B(tài)分子描述符、2個量子化學(xué)性質(zhì)描述符和1個分子幾何特性描述符.如表2所示,兩種特征選擇方法同時選出4個相同的分子描述符,分別為分子中雜原子數(shù)目(nhet)、氧原子數(shù)目(noxy)、分子最大負(fù)電荷(AQ,min)和親水性指數(shù)(Hiwpl).

    起初苯并噻嗪類抑制劑的構(gòu)性關(guān)系研究集中在苯并噻嗪環(huán)的C-7位,18通過在該位置引入取代基來改善抑制活性.研究發(fā)現(xiàn)在苯并噻嗪環(huán)的C-7位引入極性基團如羥基或甲基磺酰胺基會提高抑制劑對酶NS5B的抑制效力.RNA聚合酶NS5B和其抑制劑的復(fù)合物晶體結(jié)構(gòu)進一步證實在1,3-二羰基功能基團上的負(fù)電荷易在環(huán)上發(fā)生離域與聚合酶NS5B骨架上Tyr448殘基的N-H基團及兩個保守水分子反生靜電相互作用;與此同時,苯并噻嗪環(huán)中的苯環(huán)正好與Phe193殘基面對面接觸,苯環(huán)之間發(fā)生π-π堆積作用.在C-7位引入甲基磺酰胺基的苯并噻嗪類抑制劑中,砜氧基團與橋接Ser556殘基和甲基磺酰胺基團的結(jié)構(gòu)水分子形成氫鍵靜電相互作用;磺酰胺基團也會與NS5B的Asn291殘基形成靜電相互作用;氨磺?;鶊F中酸性的N-H與NS5B Asp318殘基產(chǎn)生更強有力的氫鍵相互作用力,磺酰胺基團的這種獨特的三點式相互作用有助于解釋抑制劑中該極性基團的引入對于抑制活性的改善.構(gòu)性關(guān)系還發(fā)現(xiàn)在苯并噻嗪環(huán)的C-2和C-5位摻入吸電子基團降低環(huán)電子密度,可以有效改善膽汁的轉(zhuǎn)運識別,并同時減少代謝負(fù)產(chǎn)物的生成.20

    在所選描述符中,nhet(分子中所含N,O和S等雜原子數(shù)目)、noxy(分子中O原子數(shù)目)和nsulph(分子中S原子數(shù)目)這三個簡單性質(zhì)描述符間接表征了抑制劑分子中極性基團(如羥基或甲基磺酰胺基等)與NS5B發(fā)生靜電相互作用及形成氫鍵的能力;親水性指數(shù)(Hiwpl)描述抑制劑分子與NS5B酶的親水疏水相互作用;兩個量子化學(xué)描述符,分子最大負(fù)電荷(AQ,min)和分子平均負(fù)電荷(Mnc)可能與苯并噻嗪環(huán)的電子離域化及C-2,C-5位上吸電基團的引入有關(guān);S(1)(羥基H原子電拓?fù)鋺B(tài)指數(shù))和QH,Max(分子中氫原子上的最大正電荷)給出氫鍵給體的質(zhì)子提供能力.從上面的討論可以看出,兩種方法所選擇的描述符能夠反映抑制劑分子的電荷分布、氫鍵相互作用、分子連接性、親水疏水相互作用等性質(zhì).

    表2 LSRA和GA-PLS特征選擇方法選取的分子描述符Table 2 Molecular descriptors selected from the LSRAand GA-PLS feature selection methods

    3.2 逐步回歸分析法所選描述符的建模回歸結(jié)果

    我們采用逐步回歸分析法所選的6個最優(yōu)描述符分別建立多元線性、偏最小二乘和支持向量機回歸模型,訓(xùn)練集(含45個化合物)用來訓(xùn)練和優(yōu)化模型,測試集(含44個小分子抑制劑)評價回歸模型的預(yù)測能力.訓(xùn)練得到的多元線性回歸方程為:pIC50=0.329×nhet+0.383×noxy-0.16723.903×Mnc+0.051×Hiwpl-5.588,0.931,s2=0.144,F=99.473,為調(diào)整相關(guān)系數(shù)平方,s2為回歸分析的標(biāo)準(zhǔn)偏差平方,即回歸分析方差;F為回歸分析的顯著性檢驗.圖S1(Supporting Information)為多元線性回歸模型對于訓(xùn)練集和測試集的實驗與預(yù)測pIC50數(shù)值對比圖,模型對于訓(xùn)練集、測試集及整個數(shù)據(jù)集的均方誤差(MSE)分別為0.121、0.122和0.122,相應(yīng)的相關(guān)系數(shù)分別為0.970、0.958和0.965.偏最小二乘方法抽選出3個主成分,訓(xùn)練得到的回歸方程為:pIC50=0.2153×nhet+0.3652×noxy-0.1463×Mnc+0.1519×Hiwpl-7.3150s2=0.166,F=85.454,N=45,圖S2為偏最小二乘回歸模型對于訓(xùn)練集和測試集的實驗與預(yù)測pIC50數(shù)值對比圖,模型對于訓(xùn)練集、測試集及整個數(shù)據(jù)集的MSE分別為0.140、0.122和0.131,相應(yīng)的相關(guān)系數(shù)分別為0.965、0.958和0.961.由于影響NS5B酶抑制劑活性的分子特征極其復(fù)雜,并不是所有的分子描述符都與活性存在絕對的線性關(guān)系,為了與上述線性回歸建模方法做比較,基于相同的最優(yōu)描述符子集,我們使用遺傳算法組合支持向量機方法建立非線性QSAR模型.首先,我們在訓(xùn)練集上使用GASVM方法同時優(yōu)化SVM模型的三個參數(shù),當(dāng)SVM模型參數(shù)取值為:C=7.7387,σ=0.3546,ε=0.04664時,回歸模型給出最好的留一法交叉驗證誤差(MSECV=0.135304);然后,我們采用這組優(yōu)化參數(shù)建立SVM模型.圖S3為SVM回歸模型對于訓(xùn)練集和測試集的實驗與預(yù)測pIC50數(shù)值對比圖,模型對于訓(xùn)練集、測試集及整個數(shù)據(jù)集的MSE分別為0.113、0.108和0.111,相應(yīng)的相關(guān)系數(shù)分別為0.972、0.962和0.968.在上述三種方法建立的QSAR模型中,支持向量機給出最好的回歸模型,而多元線性回歸給出預(yù)測效果最好的線性回歸模型,三種機器學(xué)習(xí)模型對抑制劑活性的預(yù)測結(jié)果詳見表S1.

    3.3 遺傳算法組合偏最小二乘法所選描述符的建?;貧w結(jié)果

    我們采用GA-PLS所選的7個最優(yōu)描述符子集分別建立偏最小二乘、多元線性和支持向量機回歸模型.訓(xùn)練得到的多元線性回歸方程為:pIC50=0.207×nhet+0.295×nsulph+0.304×noxy-0.035×S(1)+F=76.566,N=45,圖S4為多元線性回歸模型對于訓(xùn)練集和測試集的實驗與預(yù)測pIC50數(shù)值對比圖,模型對于訓(xùn)練集、測試集及整個數(shù)據(jù)集的MSE分別為0.131、0.243和0.186,相應(yīng)的相關(guān)系數(shù)分別為0.967、0.918和0.946.偏最小二乘方法抽選出3個主成分,訓(xùn)練得到的回歸方程為:pIC50=0.1667×nhet+0.5267×nsulph+0.2915×noxy+0.0220×S(1)+8.1236×QH,Max-8.7093×AQ,min+0.0827×Hiwpl-3.7535,R2=0.933,R2adjust=0.920,s2=0.163,F=73.606,N=45,圖S5為偏最小二乘回歸模型對于訓(xùn)練集和測試集的實驗與預(yù)測pIC50數(shù)值對比圖.模型對于訓(xùn)練集、測試集及整個數(shù)據(jù)集的MSE分別為0.134、0.114和0.124,相應(yīng)的相關(guān)系數(shù)分別為0.966、0.960和0.964.基于相同的最優(yōu)描述符子集,使用遺傳算法組合支持向量機方法建立非線性QSAR模型,當(dāng)SVM模型參數(shù)取值為:C=11.620579,σ=0.182558,ε=0.224924時,回歸模型給出最好的留一法交叉驗證誤差(MSECV=0.145978),圖S6為SVM回歸模型對于訓(xùn)練集和測試集的實驗與預(yù)測pIC50數(shù)值對比圖,模型對于訓(xùn)練集、測試集及整個數(shù)據(jù)集的MSE分別為0.123、0.118和0.121,相應(yīng)的相關(guān)系數(shù)分別為0.970、0.958和0.965.在上述三種方法建立的QSAR模型中,支持向量機回歸模型對于訓(xùn)練集和整個數(shù)據(jù)集給出最好的預(yù)測結(jié)果;兩種線性回歸模型中,偏最小二乘模型對測試集和整個數(shù)據(jù)集給出最好的預(yù)測結(jié)果,而多元線性回歸模型對于訓(xùn)練集給出最好的預(yù)測效果,三種機器學(xué)習(xí)模型對抑制劑活性的預(yù)測結(jié)果詳見表S2.

    4 結(jié)論

    本工作研究了89個苯并異噻唑和苯并噻嗪類抗HCV抑制劑的定量構(gòu)效關(guān)系.線性逐步回歸分析和遺傳算法組合偏最小二乘方法被用來選取最優(yōu)描述符子集,對于如上兩種特征選擇方法所選描述符,我們分別采用多元線性回歸、偏最小二乘、遺傳算法組合支持向量機方法建模并得到了比較滿意的預(yù)測結(jié)果.在采用LSRA所選描述符建立的三個QSAR模型中,支持向量機給出最好的回歸模型,多元線性回歸給出預(yù)測效果最好的線性模型;在采用GA-PLS所選描述符建立的三個QSAR模型中,支持向量機同樣給出最好的回歸模型,而偏最小二乘回歸給出效果最好的線性模型.研究結(jié)果表明,非線性支持向量機方法的建?;貧w效果好于傳統(tǒng)的多元線性回歸和偏最小二乘方法;采用LSRA和GA-PLS特征選擇方法所選描述符建立的模型都得到比較滿意的回歸效果,這表明兩種特征選擇方法都能篩選合適的描述符子集用于QSAR建模;多元線性回歸和偏最小二乘方法建立的線性QSAR方程可以直觀指示在生物抑制活性確定中發(fā)揮重要作用的小分子結(jié)構(gòu)和物理化學(xué)特征信息,這些信息可以進一步指導(dǎo)及輔助基于配體和受體的抗HCV藥物設(shè)計.

    Supporting Information: The plots of experimental vs computational lg(109/IC50)values are given in Figs.S1-S6.The information of the investigated dataset is provided in Tables S1 and S2.This information is available free of charge via the internet at http://www.whxb.pku.edu.cn.

    (1) Choo,Q.L.;Weiner,A.J.;Overby,L.R.;Bradley,D.W.;Houghton,M.Science 1989,244,359.doi:10.1126/science.2523562

    (2)(a)Lauer,G.M.;Walker,B.D.N.Engl.J.Med.2001,345,41.doi:10.1056/NEJM200107053450107(b)Di Bisceglie,A.M.Lancet 1998,351,351.(c)Alter,M.J.;Kruszon-Moran,D.;Nainan,O.V.;McQuillan,G.M.;Gao,F.;Moyer,L.A.;Kaslow,R.A.;Margolis,H.S.N.Engl.J.Med.1999,341,556.

    (3)Manns,M.P.;McHutchison,J.G.;Gordon,S.C.;Rustgi,V.K.;Shiffman,M.;Reindollar,R.;Goodman,Z.D.;Koury,K.;Ling,M.H.;Albrecht,J.K.Lancet 2002,347,975.

    (4) (a)Koch,U.;Narjes,F.Curr.Top.Med.Chem.2007,7,1302.doi:10.2174/156802607781212211(b)R?nn,R.;Sandstr?m,A.Curr.Top.Med.Chem.2008,8,533.(c)Zapf,C.W.;Bloom,J.D.;Levin,J.I.Ann.Rep.Med.Chem.2007,42,281.

    (5) Appel,N.;Schaller,T.;Penin,F.;Bartenschlager,R.J.Biol.Chem.2006,281,9833.doi:10.1074/jbc.R500026200

    (6) Ni,Z.J.;Wagman,A.S.Curr.Opin.Drug Discov.Dev.2004,7,446.

    (7) Beaulieu,P.L.;Bos,M.;Bousquet,Y.;Fazal,G.;Gauthier,J.;Gillard,J.;Goulet,S.;LaPlante,S.;Poupart,M.A.;Lefebvre,S.;McKercher,G.;Pellerin,C.;Austel,V.;Kukolj,G.Bioorg.Med.Chem.Lett.2004,14,119.doi:10.1016/j.bmcl.2003.10.023

    (8) Stansfield,I.;Ercolani,C.;Mackay,A.;Conte,I.;Pompei,M.;Koch,U.;Gennari,N.;Giuliano,C.;Rowley,M.;Narjes,F.Bioorg.Med.Chem.Lett.2009,19,627.doi:10.1016/j.bmcl.2008.12.068

    (9)Louise-May,S.;Yang,W.;Nie,X.;Liu,D.;Deshpande,M.S.;Phadke,A.S.;Huang,M.;Agarwal,A.Bioorg.Med.Chem.Lett.2007,17,3905.doi:10.1016/j.bmcl.2007.04.103

    (10) Stankiewicz-Drogon,A.;Palchykovska,L.G.;Kostina,V.G.;Alexeeva,I.V.;Shved,A.D.;Boguszewska-Chachulska,A.M.Bioorg.Med.Chem.2008,16,8846.doi:10.1016/j.bmc.2008.08.074

    (11) Bosse,T.D.;Larson,D.P.;Wagner,R.;Hutchinson,D.K.;Rockway,T.W.;Kati,W.M.;Liu,Y.;Masse,S.;Middleton,T.;Mo,H.;Montgomery,D.;Jiang,W.;Koev,G.;Kempf,D.J.;Molla,A.Bioorg.Med.Chem.Lett.2008,18,568.doi:10.1016/j.bmcl.2007.11.088

    (12) Lü,W.J.;Chen,Y.L.;Ma,W.P.;Zhang,X.Y.;Luan,F.;Liu,M.C.;Chen,X.G.;Hu,Z.D.Euro.J.Med.Chem.2008,43,569.doi:10.1016/j.ejmech.2007.04.011

    (13)Luan,F.;Liu,H.T.;Ma,W.P.;Fan,B.T.Euro.J.Med.Chem.2008,43,43.doi:10.1016/j.ejmech.2007.03.002

    (14) Melagraki,G.;Afantitis,A.;Sarimveis,H.;Koutentis,P.A.;Markopoulos,J.;Igglessi-Markopoulou,O.Bioorg.Med.Chem.2007,15,7237.doi:10.1016/j.bmc.2007.08.036

    (15) Su,L.;Li,L.;Li,Y.;Zhang,X.;Huang,X.;Zhai,H.Med.Chem.Res.2012,21,2079.doi:10.1007/s00044-011-9734-x

    (16) deVicente,J.;Hendricks,R.T.;Smith,D.B.;Fell,J.B.;Fischer,J.;Spencer,S.R.;Stengel,P.J.;Mohr,P.;Robinson,J.E.;Blake,J.F.;Hilgenkamp,R.K.;Yee,C.;Adjabeng,G.;Elworthy,T.R.;Li,J.;Wang,B.;Bamberg,J.T.;Harris,S.F.;Wong,A.;Leveque,V.J.P.;Najera,I.;Pogam,S.L.;Rajyaguru,S.;Ao-Ieong,G.;Alexandrova,L.;Larrabee,S.;Brandl,M.;Briggs,A.;Sukhtankar,S.;Farrell,R.Bioorg.Med.Chem.Lett.2009,19,5652.doi:10.1016/j.bmcl.2009.08.022

    (17) Hendricks,R.T.;Spencer,S.R.;Blake,J.F.;Fell,J.B.;Fischer,J.;Stengel,P.J.;Leveque,V.J.P.;Pogam,S.L.;Rajyaguru,S.;Najera,I.;Swallow,S.Bioorg.Med.Chem.Lett.2009,19,410.doi:10.1016/j.bmcl.2008.11.060

    (18) deVicente,J.;Hendricks,R.T.;Smith,D.B.;Fell,J.B.;Fischer,J.;Spencer,S.R.;Stengel,P.J.;Mohr,P.;Robinson,J.E.;Blake,J.F.;Hilgenkamp,R.K.;Yee,C.;Adjabeng,G.;Elworthy,T.R.;Tracy,J.;Chin,E.;Li,J.;Wang,B.;Bamberg,J.T.;Stephenson,R.;Oshiro,C.;Harris,S.F.;Ghate,M.;Leveque,V.;Najera,I.;Pogam,S.L.;Rajyaguru,S.;Ao-Ieong,G.;Alexandrova,L.;Larrabee,S.;Brandl,M.;Briggs,A.;Sukhtankar,S.;Farrell,R.;Xu,B.Bioorg.Med.Chem.Lett.2009,19,3642.doi:10.1016/j.bmcl.2009.05.004

    (19) Hendricks,R.T.;Fell,J.B.;Blake,J.F.;Fischer,J.P.;Robinson,J.E.;Spencer,S.R.;Stengel,P.J.;Bernacki,A.L.;Leveque,V.J.P.;Pogam,S.L.;Rajyaguru,S.;Najera,I.;Josey,J.A.;Harris,J.R.;Swallow,S.Bioorg.Med.Chem.Lett.2009,19,3637.doi:10.1016/j.bmcl.2009.04.119

    (20) deVicente,J.;Hendricks,R.T.;Smith,D.B.;Fell,J.B.;Fischer,J.;Spencer,S.R.;Stengel,P.J.;Mohr,P.;Robinson,J.E.;Blake,J.F.;Hilgenkamp,R.K.;Yee,C.;Zhao,J.;Elworthy,T.R.;Tracy,J.;Chin,E.;Li,J.;Lui,A.;Wang,B.;Oshiro,C.;Harris,S.F.;Ghate,M.;Leveque,V.J.P.;Najera,I.;Pogam,S.L.;Rajyaguru,S.;Ao-Ieong,G.;Alexandrova,L.;Fitch,B.;Brandl,M.;Masjedizadeh,M.;Wua,S.Y.;de Keczer,S.;Voronin,T.Bioorg.Med.Chem.Lett.2009,19,5648.doi:10.1016/j.bmcl.2009.08.023

    (21) Todeschini,R.;Consonni,V.Handbook of Molecular Descriptors;Wiley-VCH:New York,2000.

    (22)Xue,Y.;Li,Z.R.;Yap,C.W.;Sun,L.Z.;Chen,X.;Chen,Y.Z.J.Chem.Inform.Comp.Sci.2004,44,1630.doi:10.1021/ci049869h

    (23)Tan,N.X.;Rao,H.B.;Li,Z.R.;Li,X.Y.SAR QSAR Environ.Res.2009,20,27.doi:10.1080/10629360902724085

    (24) http://www.models.kvl.dk/source/GAPLS/index.asp,accessed June 2008.

    (25) Leardi,R.;Boggia,R.;Terrile,M.J.Chemom.1992,6,267.

    (26) Leardi,R.J.Chemom.1994,8,65.

    (27) Burbidge,R.;Trotter,M.;Buxton,B.;Holden,S.Comput.Chem.2001,26,5.doi:10.1016/S0097-8485(01)00094-8

    (28) Cherkassky,V.;Ma,Y.Selection of Meta-parameters for Support Vector Regression.Proceedings of the International Conference onArtificial Neural Networks,Madrid,Spain,Aug 28-30,2002.

    (29)Hao,M.;Li,Y.;Wang,Y.;Zhang,S.Anal.Chim.Acta 2011,690,53.doi:10.1016/j.aca.2011.02.004

    (30) Rainville,F.M.D.;Fortin,F.A.;Gardner,M.A.;Parizeau,M.;Gagné,C.DEAP:APython Framework for Evolutionary Algorithms.In EvoSoft Workshop,Companion Proc.of the GeneticandEvolutionaryComputationConference,July 07-11,2012.

    (31)Chang,C.C.;Lin,C.J.LIBSVM:ALibrary for Support Vector Machines,2001.Software available at http://www.csie.ntu.edu.tw/-cjlin/libsvm,accessed Jun 2008.

    猜你喜歡
    描述符特征選擇遺傳算法
    基于結(jié)構(gòu)信息的異源遙感圖像局部特征描述符研究
    Linux單線程并發(fā)服務(wù)器探索
    基于自適應(yīng)遺傳算法的CSAMT一維反演
    一種基于遺傳算法的聚類分析方法在DNA序列比較中的應(yīng)用
    利用CNN的無人機遙感影像特征描述符學(xué)習(xí)
    基于遺傳算法和LS-SVM的財務(wù)危機預(yù)測
    Kmeans 應(yīng)用與特征選擇
    電子制作(2017年23期)2017-02-02 07:17:06
    聯(lián)合互信息水下目標(biāo)特征選擇算法
    基于改進的遺傳算法的模糊聚類算法
    基于特征選擇和RRVPMCD的滾動軸承故障診斷方法
    国产视频内射| e午夜精品久久久久久久| 高清在线国产一区| 免费无遮挡裸体视频| 嫩草影视91久久| 哪里可以看免费的av片| 18禁裸乳无遮挡免费网站照片| 成人三级做爰电影| 国产精品国产高清国产av| 亚洲乱码一区二区免费版| 成年女人永久免费观看视频| 精品一区二区三区视频在线 | 成人永久免费在线观看视频| 三级国产精品欧美在线观看 | 免费在线观看日本一区| 国产精品综合久久久久久久免费| 麻豆国产97在线/欧美| 禁无遮挡网站| 国产综合懂色| 黑人巨大精品欧美一区二区mp4| 在线观看一区二区三区| 日本a在线网址| av片东京热男人的天堂| 亚洲一区二区三区不卡视频| 欧美av亚洲av综合av国产av| 欧美在线一区亚洲| 日本在线视频免费播放| 夜夜看夜夜爽夜夜摸| 他把我摸到了高潮在线观看| 国产精华一区二区三区| 淫妇啪啪啪对白视频| 小说图片视频综合网站| 色吧在线观看| 毛片女人毛片| 可以在线观看毛片的网站| 精品一区二区三区视频在线观看免费| 色吧在线观看| 日韩有码中文字幕| 黑人操中国人逼视频| 伊人久久大香线蕉亚洲五| 日韩三级视频一区二区三区| 在线观看日韩欧美| netflix在线观看网站| 91字幕亚洲| 琪琪午夜伦伦电影理论片6080| 日本一二三区视频观看| 欧美黄色淫秽网站| 蜜桃久久精品国产亚洲av| 国产av一区在线观看免费| 桃色一区二区三区在线观看| 成人三级做爰电影| 中文字幕最新亚洲高清| 国产av麻豆久久久久久久| 亚洲午夜理论影院| 99久久99久久久精品蜜桃| 亚洲午夜理论影院| 一级黄色大片毛片| 三级国产精品欧美在线观看 | 午夜精品在线福利| 成熟少妇高潮喷水视频| 搡老熟女国产l中国老女人| 亚洲av成人不卡在线观看播放网| 少妇裸体淫交视频免费看高清| e午夜精品久久久久久久| 9191精品国产免费久久| 久久欧美精品欧美久久欧美| 噜噜噜噜噜久久久久久91| aaaaa片日本免费| 亚洲国产日韩欧美精品在线观看 | 国产一区二区在线av高清观看| 男人和女人高潮做爰伦理| 精品一区二区三区av网在线观看| 久久精品人妻少妇| а√天堂www在线а√下载| 久久草成人影院| 在线十欧美十亚洲十日本专区| 91av网一区二区| 欧美激情在线99| 日韩欧美在线二视频| 国语自产精品视频在线第100页| 一区福利在线观看| 香蕉国产在线看| 精品国产乱子伦一区二区三区| 999久久久精品免费观看国产| 国产成年人精品一区二区| 最近在线观看免费完整版| 日日夜夜操网爽| 国产高潮美女av| 亚洲国产欧美人成| 亚洲精品456在线播放app | 色精品久久人妻99蜜桃| 91老司机精品| 成人国产一区最新在线观看| 51午夜福利影视在线观看| 少妇的丰满在线观看| 亚洲欧美日韩东京热| 午夜a级毛片| 免费看十八禁软件| 99国产综合亚洲精品| 操出白浆在线播放| 91九色精品人成在线观看| 亚洲精品在线观看二区| 亚洲aⅴ乱码一区二区在线播放| 法律面前人人平等表现在哪些方面| 麻豆成人av在线观看| 亚洲,欧美精品.| 禁无遮挡网站| 一区二区三区国产精品乱码| 亚洲国产精品sss在线观看| 香蕉丝袜av| 精品久久蜜臀av无| 亚洲国产高清在线一区二区三| 亚洲av成人av| 久久久国产成人精品二区| 亚洲国产精品合色在线| 日韩欧美三级三区| 在线看三级毛片| 欧美绝顶高潮抽搐喷水| 国产精品一及| 国内精品久久久久久久电影| 色老头精品视频在线观看| 久久天堂一区二区三区四区| 很黄的视频免费| 老司机深夜福利视频在线观看| 一a级毛片在线观看| 欧美xxxx黑人xx丫x性爽| 久久热在线av| 无遮挡黄片免费观看| 色播亚洲综合网| 亚洲天堂国产精品一区在线| 日韩欧美 国产精品| 中文字幕熟女人妻在线| 亚洲avbb在线观看| 每晚都被弄得嗷嗷叫到高潮| 亚洲av第一区精品v没综合| 高清在线国产一区| 欧美又色又爽又黄视频| 亚洲五月天丁香| 国产精品一区二区免费欧美| 国产av在哪里看| 亚洲七黄色美女视频| 欧美国产日韩亚洲一区| 亚洲专区中文字幕在线| 国产成人精品无人区| 国内久久婷婷六月综合欲色啪| 欧美三级亚洲精品| 99国产综合亚洲精品| 99热这里只有精品一区 | 日本a在线网址| 日韩欧美国产在线观看| 婷婷精品国产亚洲av在线| 国产伦人伦偷精品视频| 淫妇啪啪啪对白视频| 99国产极品粉嫩在线观看| 亚洲国产精品成人综合色| 最近最新中文字幕大全电影3| 国产精品亚洲一级av第二区| 日韩欧美精品v在线| a在线观看视频网站| 又大又爽又粗| 日本 欧美在线| 久久久色成人| 久久久久性生活片| 国产69精品久久久久777片 | av天堂中文字幕网| 黄色 视频免费看| 五月伊人婷婷丁香| 亚洲熟妇熟女久久| 欧美性猛交╳xxx乱大交人| 成年人黄色毛片网站| av片东京热男人的天堂| 最近最新中文字幕大全电影3| 久久精品国产综合久久久| 一二三四在线观看免费中文在| 91av网一区二区| 国产精品自产拍在线观看55亚洲| 日韩欧美精品v在线| 日韩免费av在线播放| 午夜影院日韩av| 噜噜噜噜噜久久久久久91| 老鸭窝网址在线观看| 夜夜夜夜夜久久久久| 国产又黄又爽又无遮挡在线| 91九色精品人成在线观看| 在线a可以看的网站| 日本五十路高清| 99在线人妻在线中文字幕| 老鸭窝网址在线观看| 性欧美人与动物交配| 欧美最黄视频在线播放免费| 欧美日韩精品网址| www日本黄色视频网| 成人无遮挡网站| 看片在线看免费视频| 五月伊人婷婷丁香| 黄色片一级片一级黄色片| 激情在线观看视频在线高清| 麻豆国产97在线/欧美| 国产v大片淫在线免费观看| 午夜两性在线视频| 一个人免费在线观看电影 | 草草在线视频免费看| 一进一出抽搐动态| 国产精品久久久久久久电影 | 在线免费观看不下载黄p国产 | 成年人黄色毛片网站| 国产精品亚洲美女久久久| 亚洲激情在线av| 很黄的视频免费| 在线a可以看的网站| 成人特级av手机在线观看| 99热这里只有精品一区 | 男人的好看免费观看在线视频| 中文字幕av在线有码专区| 亚洲片人在线观看| 欧美3d第一页| 在线a可以看的网站| a级毛片a级免费在线| 午夜成年电影在线免费观看| 午夜免费成人在线视频| 欧美成狂野欧美在线观看| 久久久精品大字幕| www日本在线高清视频| 欧美黄色淫秽网站| 国产高清三级在线| 一级毛片高清免费大全| 国产极品精品免费视频能看的| 国产精品日韩av在线免费观看| 日韩中文字幕欧美一区二区| 久久人人精品亚洲av| 国产高清有码在线观看视频| 法律面前人人平等表现在哪些方面| 国产精品99久久99久久久不卡| 欧美午夜高清在线| 成人av在线播放网站| 欧美乱码精品一区二区三区| 婷婷六月久久综合丁香| 禁无遮挡网站| 中文字幕高清在线视频| av中文乱码字幕在线| 国产高清有码在线观看视频| 久久人妻av系列| 日韩欧美国产一区二区入口| 国产伦人伦偷精品视频| 校园春色视频在线观看| 网址你懂的国产日韩在线| 久久这里只有精品中国| 国产亚洲精品久久久com| 啦啦啦观看免费观看视频高清| 欧美一区二区精品小视频在线| 波多野结衣高清作品| 日日干狠狠操夜夜爽| 日本撒尿小便嘘嘘汇集6| 精品国内亚洲2022精品成人| 成人特级黄色片久久久久久久| 午夜免费观看网址| 欧美乱妇无乱码| 亚洲天堂国产精品一区在线| 又黄又粗又硬又大视频| 国产亚洲av高清不卡| 久久亚洲精品不卡| 一个人观看的视频www高清免费观看 | 19禁男女啪啪无遮挡网站| av福利片在线观看| 色老头精品视频在线观看| 日韩成人在线观看一区二区三区| 观看美女的网站| 中文在线观看免费www的网站| 村上凉子中文字幕在线| 三级毛片av免费| 国产精品国产高清国产av| 欧美av亚洲av综合av国产av| 欧美在线一区亚洲| www.精华液| 色哟哟哟哟哟哟| 色综合站精品国产| x7x7x7水蜜桃| 免费一级毛片在线播放高清视频| 99久久成人亚洲精品观看| 熟女人妻精品中文字幕| 久久久久国产精品人妻aⅴ院| 神马国产精品三级电影在线观看| cao死你这个sao货| 一级毛片女人18水好多| 亚洲国产看品久久| 在线观看日韩欧美| 国产亚洲精品av在线| 午夜免费观看网址| 女人被狂操c到高潮| 1000部很黄的大片| 免费搜索国产男女视频| 可以在线观看毛片的网站| avwww免费| 麻豆成人午夜福利视频| 日韩精品中文字幕看吧| 天堂√8在线中文| 国产单亲对白刺激| 国语自产精品视频在线第100页| 久久精品国产清高在天天线| 亚洲国产色片| 一个人看视频在线观看www免费 | 成人特级黄色片久久久久久久| 亚洲熟妇中文字幕五十中出| 国产精品美女特级片免费视频播放器 | 成年版毛片免费区| 国产高清激情床上av| 最近在线观看免费完整版| 成人精品一区二区免费| 麻豆久久精品国产亚洲av| 国产精品女同一区二区软件 | 成熟少妇高潮喷水视频| 精品国产超薄肉色丝袜足j| 欧美日韩中文字幕国产精品一区二区三区| 桃色一区二区三区在线观看| 一个人看的www免费观看视频| 九色成人免费人妻av| 99久久综合精品五月天人人| 精品国产亚洲在线| 欧美性猛交╳xxx乱大交人| www.精华液| 亚洲成人久久性| 免费看美女性在线毛片视频| 日本三级黄在线观看| 午夜福利高清视频| 国产精品精品国产色婷婷| 久久久久精品国产欧美久久久| 不卡一级毛片| 又紧又爽又黄一区二区| 99精品在免费线老司机午夜| 久久人人精品亚洲av| 男人和女人高潮做爰伦理| 国产又黄又爽又无遮挡在线| 亚洲av成人av| 女人被狂操c到高潮| 又黄又粗又硬又大视频| 一级黄色大片毛片| 操出白浆在线播放| 精品久久久久久久久久久久久| 好男人电影高清在线观看| 欧美日韩乱码在线| 伦理电影免费视频| 日韩中文字幕欧美一区二区| 麻豆国产97在线/欧美| 成熟少妇高潮喷水视频| 久久精品91蜜桃| 国产高清视频在线观看网站| 两性夫妻黄色片| 99热精品在线国产| 欧美又色又爽又黄视频| 国产黄a三级三级三级人| 久久亚洲真实| 国产探花在线观看一区二区| 精品福利观看| 成人欧美大片| 1000部很黄的大片| 88av欧美| 97超级碰碰碰精品色视频在线观看| 欧美日韩国产亚洲二区| 亚洲精品色激情综合| 蜜桃久久精品国产亚洲av| 成人av一区二区三区在线看| 亚洲精品美女久久av网站| 禁无遮挡网站| 久久久久免费精品人妻一区二区| 亚洲精品在线观看二区| 一二三四中文在线观看免费高清| 九九爱精品视频在线观看| 伦理电影大哥的女人| 热99在线观看视频| 国模一区二区三区四区视频| 国产 一区 欧美 日韩| 三级国产精品欧美在线观看| 国产精品美女特级片免费视频播放器| 纵有疾风起免费观看全集完整版 | 搡老妇女老女人老熟妇| 国产精品乱码一区二三区的特点| 色哟哟·www| 亚洲欧美精品综合久久99| 国产精华一区二区三区| 中文字幕免费在线视频6| 免费观看在线日韩| 国产成人福利小说| 婷婷色av中文字幕| 熟女电影av网| 18禁在线播放成人免费| 久久精品国产鲁丝片午夜精品| 国产精品综合久久久久久久免费| 99国产精品一区二区蜜桃av| 99热精品在线国产| 久久精品夜夜夜夜夜久久蜜豆| 简卡轻食公司| 一个人看的www免费观看视频| 男女国产视频网站| 日本三级黄在线观看| 91午夜精品亚洲一区二区三区| 99久久无色码亚洲精品果冻| 人人妻人人看人人澡| 午夜a级毛片| a级毛色黄片| 亚洲电影在线观看av| 日本免费a在线| 啦啦啦观看免费观看视频高清| 欧美bdsm另类| 国产精品蜜桃在线观看| 久久这里只有精品中国| 真实男女啪啪啪动态图| 久久人人爽人人爽人人片va| 赤兔流量卡办理| 中文字幕熟女人妻在线| 免费看光身美女| 日日摸夜夜添夜夜爱| .国产精品久久| 97热精品久久久久久| 中文亚洲av片在线观看爽| 男插女下体视频免费在线播放| 日本黄色视频三级网站网址| 国产精品一区www在线观看| 波多野结衣高清无吗| 人妻系列 视频| 亚洲自拍偷在线| 女的被弄到高潮叫床怎么办| 亚洲怡红院男人天堂| 久久精品国产鲁丝片午夜精品| 99久久中文字幕三级久久日本| 久久久a久久爽久久v久久| 国产精品一区二区三区四区久久| 99久久精品一区二区三区| 国产视频首页在线观看| 久久亚洲国产成人精品v| 久久综合国产亚洲精品| 天天一区二区日本电影三级| 毛片一级片免费看久久久久| av天堂中文字幕网| 久久午夜福利片| 全区人妻精品视频| 性色avwww在线观看| 亚洲av日韩在线播放| 久久精品夜色国产| 美女大奶头视频| 国产精品久久电影中文字幕| 久久久成人免费电影| 亚洲精品一区蜜桃| 床上黄色一级片| 青春草视频在线免费观看| 婷婷色综合大香蕉| 国产91av在线免费观看| 免费不卡的大黄色大毛片视频在线观看 | 水蜜桃什么品种好| 国产一区二区三区av在线| 中文字幕制服av| www.色视频.com| 天堂网av新在线| 国产亚洲午夜精品一区二区久久 | 亚洲人成网站高清观看| 国产黄a三级三级三级人| 久久久久久久久久久丰满| 少妇被粗大猛烈的视频| 干丝袜人妻中文字幕| 91精品一卡2卡3卡4卡| 亚洲色图av天堂| 欧美性感艳星| 欧美97在线视频| 七月丁香在线播放| 亚洲精品乱码久久久v下载方式| 亚洲欧美日韩无卡精品| 特大巨黑吊av在线直播| 精品国内亚洲2022精品成人| 国产伦精品一区二区三区视频9| 成人鲁丝片一二三区免费| 精品人妻偷拍中文字幕| 亚洲四区av| 精品国产露脸久久av麻豆 | 精品人妻偷拍中文字幕| 男人和女人高潮做爰伦理| 精品不卡国产一区二区三区| 日本av手机在线免费观看| 久久久久久久久中文| 国产精品,欧美在线| 嘟嘟电影网在线观看| 国产精品福利在线免费观看| 国产黄色视频一区二区在线观看 | 好男人视频免费观看在线| 伦精品一区二区三区| 中文字幕熟女人妻在线| 少妇的逼水好多| 天堂√8在线中文| 国产成人a区在线观看| 久久久久久久久大av| 99热这里只有精品一区| www日本黄色视频网| 久久草成人影院| 黄片无遮挡物在线观看| 秋霞在线观看毛片| 日韩一本色道免费dvd| 精品人妻熟女av久视频| 永久网站在线| 最后的刺客免费高清国语| 久久久久久久久久久免费av| 日韩av在线大香蕉| 国产激情偷乱视频一区二区| 男女边吃奶边做爰视频| 高清视频免费观看一区二区 | 精品久久久久久久久久久久久| 一边亲一边摸免费视频| 久久久久国产网址| 日韩亚洲欧美综合| 深夜a级毛片| 国产 一区 欧美 日韩| 亚洲精品国产成人久久av| 九草在线视频观看| 在现免费观看毛片| 亚洲国产精品sss在线观看| 乱码一卡2卡4卡精品| 色哟哟·www| av在线亚洲专区| 18禁在线无遮挡免费观看视频| 夜夜看夜夜爽夜夜摸| 秋霞在线观看毛片| 国产 一区精品| 极品教师在线视频| 国产私拍福利视频在线观看| 国产又色又爽无遮挡免| 欧美激情在线99| 天堂中文最新版在线下载 | 久久亚洲精品不卡| 欧美97在线视频| 观看美女的网站| 日本黄色视频三级网站网址| 三级国产精品片| 日韩精品有码人妻一区| 日韩一区二区视频免费看| 狠狠狠狠99中文字幕| 国产成人精品久久久久久| 欧美3d第一页| 热99在线观看视频| 国产探花在线观看一区二区| 国产黄片视频在线免费观看| 久久精品国产亚洲av涩爱| 九九热线精品视视频播放| 中文字幕av在线有码专区| 黄色配什么色好看| 亚洲av成人av| 欧美一级a爱片免费观看看| 久久久久久久久久黄片| 晚上一个人看的免费电影| 国产不卡一卡二| 超碰97精品在线观看| 亚洲欧美日韩无卡精品| 免费看日本二区| 最新中文字幕久久久久| 国产 一区 欧美 日韩| 国产精品日韩av在线免费观看| 欧美日本视频| 色播亚洲综合网| 成人亚洲欧美一区二区av| 春色校园在线视频观看| 大话2 男鬼变身卡| 狂野欧美白嫩少妇大欣赏| 亚洲精品久久久久久婷婷小说 | 一级爰片在线观看| 国产国拍精品亚洲av在线观看| 波多野结衣巨乳人妻| 我要搜黄色片| 亚洲色图av天堂| 日韩欧美精品免费久久| 寂寞人妻少妇视频99o| 精品人妻熟女av久视频| 汤姆久久久久久久影院中文字幕 | 亚洲av免费高清在线观看| 纵有疾风起免费观看全集完整版 | 亚洲人成网站在线播| 一边亲一边摸免费视频| 久久久久久久久久久免费av| 51国产日韩欧美| 久久久久久伊人网av| 伦精品一区二区三区| 国产亚洲精品久久久com| 国产真实伦视频高清在线观看| 亚洲在线观看片| 长腿黑丝高跟| 亚洲精华国产精华液的使用体验| 一夜夜www| 插逼视频在线观看| 国产真实乱freesex| 久久久午夜欧美精品| 色视频www国产| 在线观看一区二区三区| 午夜久久久久精精品| 五月玫瑰六月丁香| 一级毛片aaaaaa免费看小| 淫秽高清视频在线观看| 内射极品少妇av片p| 色播亚洲综合网| 精品国产一区二区三区久久久樱花 | 欧美日韩精品成人综合77777| 亚洲国产成人一精品久久久| 久久久久久伊人网av| 精品国内亚洲2022精品成人| 淫秽高清视频在线观看| 精品少妇黑人巨大在线播放 | 看免费成人av毛片| 六月丁香七月| 成人毛片60女人毛片免费| 午夜激情欧美在线| 国产真实伦视频高清在线观看| 免费黄网站久久成人精品| 国产一区亚洲一区在线观看| 99久久精品一区二区三区| 日日干狠狠操夜夜爽| 日本免费一区二区三区高清不卡| 久久久久久久久久久丰满| 免费观看人在逋| 久久久亚洲精品成人影院| 观看免费一级毛片| 色播亚洲综合网|