Hedgehog信號(hào)通路抑制劑的構(gòu)效關(guān)系研究

魯鵬薇，張明

（上海海事大學(xué)信息工程學(xué)院，上?！?01306）

Hedgehog信號(hào)通路抑制劑的構(gòu)效關(guān)系研究

魯鵬薇，張明

（上海海事大學(xué)信息工程學(xué)院，上海201306）

0　引言

Hedgehog信號(hào)通路在細(xì)胞的分化、生長(zhǎng)以及細(xì)胞的發(fā)育中扮演著一個(gè)很重要的角色［1］，持續(xù)激活此通路能使成年人致癌，誘發(fā)基底細(xì)胞癌、成神經(jīng)管細(xì)胞瘤、橫紋肌肉瘤、乳腺癌和前列腺癌、胰腺癌［2～5］。而在上世紀(jì)90年代人們發(fā)現(xiàn)一種異甾體類生物堿——環(huán)巴胺，它能抑制該通路并能誘導(dǎo)多種腫瘤細(xì)胞死亡，而對(duì)正常細(xì)胞無影響［6～7］。但是其在自然界中含量很低，人工合成方法不僅耗費(fèi)財(cái)力和物力，而且效率極低。因此對(duì)環(huán)巴胺衍生物進(jìn)行有效的定量構(gòu)效關(guān)系（Quantitative Structure-Activity Relationship，QSAR）建模，利用計(jì)算機(jī)技術(shù)對(duì)其進(jìn)行研究就具有極大地意義［8］，不但降低了巨大的成本消費(fèi)，而且減少了大量的人力。

本文在前人研究的二進(jìn)制分類方法比線性擬合的方法在進(jìn)行QSAR研究要好的基礎(chǔ)上，通過對(duì)相同實(shí)驗(yàn)數(shù)據(jù)進(jìn)行試驗(yàn)，最后比較得出一種較好的機(jī)器學(xué)習(xí)分類方法來對(duì)環(huán)巴胺衍生物的QSAR進(jìn)行建模。QSAR模型是一種借助分子的理化性質(zhì)參數(shù)或結(jié)構(gòu)參數(shù)，以數(shù)學(xué)和統(tǒng)計(jì)學(xué)手段定量研究有機(jī)小分子與生物大分子相互作用、有機(jī)小分子在生物體內(nèi)吸收、分布、代謝、排泄等生理相關(guān)性質(zhì)的方法［9］。

環(huán)巴胺的結(jié)構(gòu)如圖1所示。

圖1　環(huán)巴胺的結(jié)構(gòu)

1　研究現(xiàn)狀

在對(duì)Hedgehog信號(hào)通路抑制劑研究的發(fā)展與過程中，癌癥研究者致力于找到多種Hedgehog信號(hào)通路抑制劑，從而對(duì)一系列的惡性腫瘤進(jìn)行有效的治療［10～12］，但到現(xiàn)在，發(fā)現(xiàn)的種類還是很少；此外，在對(duì)環(huán)巴胺進(jìn)行合成的研究過程中，由于環(huán)巴胺在水中或者其他極性溶劑中溶解度低，因而也就沒有有效的方法去合成環(huán)巴胺［13～14］；Janardanannair等［15］在研究環(huán)巴胺衍生物的QSAR中起到了帶頭的作用，采用羥基對(duì)二級(jí)胺和氧化銅進(jìn)行修飾，研究結(jié)果定量地表明了此方法能對(duì)環(huán)巴胺衍生物的活性產(chǎn)生影響，但是其試驗(yàn)樣本總共不到30個(gè)，因此對(duì)于QSAR的研究遠(yuǎn)遠(yuǎn)沒有產(chǎn)生令人滿意的效果；朱瑞新等［16］對(duì)環(huán)巴胺衍生物的QSAR進(jìn)行了研究，表明在對(duì)環(huán)巴胺衍生物進(jìn)行QSAR的研究中，機(jī)器學(xué)習(xí)方法比線性回歸方法好，但并沒有對(duì)機(jī)器學(xué)習(xí)方法進(jìn)行比較研究。本文研究重點(diǎn)在于，在樣本較大的情況下得到較好的QSAR建模方法。

2　實(shí)驗(yàn)流程及方法介紹

在本實(shí)驗(yàn)中，主要是利用已合成的93種環(huán)巴胺衍生物以及四組靶點(diǎn)活性細(xì)胞系 （BxPC-3、NCI-H446、SW1990和NCI-H157）為實(shí)驗(yàn)數(shù)據(jù)，依據(jù)不同方法進(jìn)行實(shí)驗(yàn)數(shù)據(jù)分類，然后再采用不同特征描述符對(duì)環(huán)巴胺衍生物進(jìn)行描述，最后利用不同機(jī)器學(xué)習(xí)方法進(jìn)行QSAR實(shí)驗(yàn)，圖2所示為算法的流程圖。對(duì)93種環(huán)巴胺衍生物分別用通用描述符和類藥性指數(shù)描述符進(jìn)行特征描述，然后在不同特征描述符下分別采用兩種分類方法進(jìn)行訓(xùn)練集與測(cè)試集的劃分，最后在每種分類結(jié)果中，再分別利用兩種機(jī)器學(xué)習(xí)算法進(jìn)行建模。

圖2　算法流程圖

（1）訓(xùn)練集與測(cè)試集分類方法

首先是對(duì)數(shù)據(jù)進(jìn)行分類，分為訓(xùn)練集與測(cè)試集。在本文中，選取訓(xùn)練集與測(cè)試集的比例65%：35%。在分子操作環(huán)境（Molecular Operating Environment，MOE）中，多樣性子集分類［17］對(duì)化合物進(jìn)行排列的方法是依據(jù)多樣性的性質(zhì)，為了比較機(jī)器學(xué)習(xí)分類方法對(duì)QSAR研究的影響，本文又采用了聚簇多樣性子集分類方法，也就是在進(jìn)行多樣性子集分類之前先進(jìn)行聚類，然后在每一類中再進(jìn)行多樣性子集分類。在MOE中有基于指紋的聚類方法以及基于描述的聚類方法，在本文研究中，采用基于描述的聚類方法，因?yàn)榇怂惴〞r(shí)間復(fù)雜度較小。

（2）特征描述符方法

描述符方法有很多，包括電子描述符、拓?fù)渲笖?shù)、量子化學(xué)描述符等，描述符間沒有一種描述符更優(yōu)于另一種描述符，因此本文采用最常用的通用描述符［16］，為了對(duì)比，在實(shí)驗(yàn)中加入了類藥性指數(shù)描述符［18］。通用描述符對(duì)于QSAR模型的建立有很大的作用。而類藥性指數(shù)描述符剛開始是用于衡量類藥性化合物的，后來則在MOE中進(jìn)行使用成為一套描述符的［19］。前者傾向描述化合物的物理特性，而后者傾向描述化合物的拓?fù)渲笖?shù)性質(zhì)，因而兩者有一定的互補(bǔ)作用。

（3）采用機(jī)器學(xué)習(xí)方法的QSAR研究

①機(jī)器學(xué)習(xí)方法介紹

在本文中，采用支持向量機(jī)（Support Vector Ma chine，SVM）算法［20］和人工神經(jīng)網(wǎng)絡(luò)（Artifical Neural Network，ANN）算法兩種方法，主要目的是對(duì)Hed-gehog信號(hào)通路抑制劑進(jìn)行QSAR的研究中比較兩者的性能，找到合適的統(tǒng)計(jì)建模方法。SVM是建立在統(tǒng)計(jì)學(xué)習(xí)理論中的機(jī)器學(xué)習(xí)技術(shù)，已應(yīng)用到科學(xué)研究的各個(gè)領(lǐng)域中，例如文本識(shí)別、圖像分類以及語音識(shí)別等。本文利用其進(jìn)行QSAR研究，把訓(xùn)練數(shù)據(jù)通過核函數(shù)映射到一個(gè)特征空間，并利用最優(yōu)超平面對(duì)數(shù)據(jù)進(jìn)行分類，下圖即為最優(yōu)線性超平面：

SVM解決非線性可分問題的基本思想是將非線性不可分問題通過核函數(shù)映射到高維空間，使其在高維空間可分，通過在高維空間尋找最優(yōu)超平面進(jìn)行數(shù)據(jù)分類。本文采用徑向基核函數(shù)：

圖3　最優(yōu)線性超平面

ANN是由大量簡(jiǎn)單的基本元件——神經(jīng)元件相互連接，模擬人的大腦信息處理方式，進(jìn)行信息并行處理和非線性轉(zhuǎn)換的復(fù)雜網(wǎng)絡(luò)系統(tǒng)。主要包括輸入端、隱含層以及輸出端，其結(jié)構(gòu)如圖4所示：

圖4　人工神經(jīng)算法結(jié)構(gòu)圖

其算法的數(shù)學(xué)表達(dá)式為：

其中，wij為神經(jīng)元i與神經(jīng)元j間的結(jié)強(qiáng)，即結(jié)加權(quán)值，xi為從神經(jīng)元i傳來的輸入訊號(hào)，茲j為神經(jīng)元j的門檻值，f為轉(zhuǎn)換函數(shù)，通常為一個(gè)階梯函數(shù)。

其定義如下：

（2）實(shí)驗(yàn)過程介紹

在本文試驗(yàn)中分別把93種環(huán)巴胺衍生物的通用描述符結(jié)果以及類藥性描述符結(jié)果作為機(jī)器學(xué)習(xí)方法的輸入，這兩種描述符結(jié)果可以通過MOE 2008軟件來實(shí)現(xiàn)，然后對(duì)訓(xùn)練集中的數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，以93種環(huán)巴胺衍生物的活性或者非活性作為輸出，此過程采用MATLAB 2010b實(shí)現(xiàn)，最后把機(jī)器學(xué)習(xí)得出的數(shù)學(xué)模型再應(yīng)用到測(cè)試集中，通過對(duì)93種環(huán)巴胺衍生物的總的準(zhǔn)確率數(shù)值進(jìn)行比較 （包括活性數(shù)據(jù)的準(zhǔn)確率以及非活性的準(zhǔn)確率）來判斷兩種機(jī)器學(xué)習(xí)方法中哪種較優(yōu)。

3　實(shí)驗(yàn)結(jié)果與討論

采用93種環(huán)巴胺衍生物以及四組靶點(diǎn)活性細(xì)胞系，采用四種細(xì)胞系的原因是：NCI-H157（人非小細(xì)胞肺腺癌）是對(duì)Hedgehog信號(hào)通路低表達(dá)的細(xì)胞，而NCI-H446（人小細(xì)胞肺癌細(xì)胞）是對(duì)Hedgehog信號(hào)通路高表達(dá)的細(xì)胞。BxPC-3（人原位胰腺腺癌細(xì)胞）和SW1990（人胰腺癌細(xì)胞）也分別是低、高表達(dá)的細(xì)胞。

表1中列出了本次實(shí)驗(yàn)所采用的環(huán)境以及所用到的編程工具。

表1　實(shí)驗(yàn)平臺(tái)及環(huán)境

表2中At代表訓(xùn)練數(shù)據(jù)集的自擬合結(jié)果的準(zhǔn)確率，Av代表訓(xùn)練數(shù)據(jù)集的交叉驗(yàn)證擬合結(jié)果的準(zhǔn)確率，Ap代表測(cè)試數(shù)據(jù)集的自擬合結(jié)果的準(zhǔn)確率，δ是類藥性指數(shù)描述符準(zhǔn)確率與通用描述符下的準(zhǔn)確率之差。

（1）訓(xùn)練集與測(cè)試集分類方法比較

研究看來，提供一個(gè)魯棒性好的、偏差小的以及足夠大的訓(xùn)練集數(shù)據(jù)對(duì)于模型的構(gòu)建是很重要的。在本文中，提出采用兩種分類方法來對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分類。為了比較兩種分類方法對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分類的影響，提出利用t檢驗(yàn)法來計(jì)算得到兩表間的p_value值是0.88＞（0.05），這表明對(duì)于QSAR的研究中，兩種分類方法沒有統(tǒng)計(jì)上的差異。也就是說，兩種分類方法對(duì)訓(xùn)練集以及測(cè)試集的分布結(jié)果的影響是不大的，差異性很小。

（2）兩種特征描述符方法比較

在本文中，提出采用兩種特征描述符，分別對(duì)93種化合物衍生物進(jìn)行描述。由實(shí)驗(yàn)數(shù)據(jù)可以知道，在QSAR建模中，對(duì)于訓(xùn)練集的自擬合結(jié)果，物理性質(zhì)描述符比拓?fù)渲笖?shù)描述符效果要好，因?yàn)槲覀兛梢钥吹讲钪到Y(jié)果是負(fù)值（紅色）；而對(duì)于測(cè)試集的數(shù)據(jù)，則類藥性描述符的魯棒性要比普通描述符好，因?yàn)椴钪到Y(jié)果是正值（藍(lán)色）；在交叉驗(yàn)證結(jié)果中，有正值也有負(fù)值。總之，類藥性描述符在訓(xùn)練集或者測(cè)試集中都能保持較好的穩(wěn)定性，而普通描述符在獨(dú)立的測(cè)試集數(shù)據(jù)中則不能保證穩(wěn)定性。

（3）統(tǒng)計(jì)數(shù)據(jù)分類方法比較

在此前已有研究者們得出結(jié)論，二值分類效果相對(duì)于線性擬合結(jié)果較好，在連續(xù)的活性數(shù)據(jù)中，采用閾值標(biāo)準(zhǔn)來將其轉(zhuǎn)化為二值數(shù)值，其研究采用藥物化合物的IC50值作為截止數(shù)值，IC50值是使癌細(xì)胞死亡一半時(shí)所對(duì)應(yīng)的抑制劑的濃度，也就是說這個(gè)值越小越好。本文采用SVM算法與ANN算法兩種機(jī)器學(xué)習(xí)分類方法來對(duì)QSAR進(jìn)行研究。實(shí)驗(yàn)結(jié)果表明SVM算法比ANN算法對(duì)于這些實(shí)驗(yàn)數(shù)據(jù)的QSAR研究更好一些，原因是ANN算法實(shí)驗(yàn)不太穩(wěn)定，需要大量的數(shù)據(jù)，而SVM算法有嚴(yán)格的計(jì)算基礎(chǔ)，算法具有全局最優(yōu)性，在小樣本下能達(dá)到很好的計(jì)算結(jié)果。

表2　多樣性子集分類的定量構(gòu)效關(guān)系實(shí)驗(yàn)結(jié)果

表3　聚簇多樣性子集分類的定量構(gòu)效關(guān)系實(shí)驗(yàn)結(jié)果

4　結(jié)語

在本文研究中，采用不同的特征描述符，不同的訓(xùn)練集以及測(cè)試集的分類方法，并利用不同的二值分類方法來對(duì)種環(huán)巴胺衍生物的QSAR進(jìn)行研究，通過實(shí)驗(yàn)結(jié)果的比較，我們得出了較好的機(jī)器學(xué)習(xí)分類方法。在四種細(xì)胞系中，NCI-H446是Hedgehog信號(hào)通路抑制劑進(jìn)行活性測(cè)試的最適合的細(xì)胞系，因?yàn)樵诖思?xì)胞系的研究中，實(shí)驗(yàn)結(jié)果準(zhǔn)確率很高，其他細(xì)胞系準(zhǔn)確率都在左右。最后的研究結(jié)果表明，本文所采用的兩種分類實(shí)驗(yàn)數(shù)據(jù)方法對(duì)數(shù)據(jù)的分類結(jié)果影響不是很大；兩種描述符中，類藥性描述符較普通描述符來說魯棒性要好；對(duì)QSAR進(jìn)行建模的研究過程中，SVM算法比ANN算法要好。

［1］Ingham PW，McMahon AP.Hedgehog Signaling in Animal Development：Paradigms and Principles［J］.Genes Dev 2001，15：3059～3087

［2］Oro AE，Higgins KM，Hu Z，et al.Basal Cell Carcinomas in Mice over Expressing Sonic Hedgehog［J］.Science，1997，276：817～821

［3］Kinzler KW，Bigner SH，Bigner DD，et al.Identification of an Amplified，Highly Expressed Gene in a Human Glioma［J］.Science 1987，236：70～73

［4］Dahmane N，Lee J，Robins P，et al.Activation of the Transcription Factor Gli1 and the Sonic Hedgehog Signalling pathway in Skin Tumours［J］.Nature，1997，389：876～881

［5］Grachtchouk M，Mo R，Yu S，et al.Basal Cell Carcinomas in Mice Overexpressing Gli2 in Skin［J］.Nature Genet 2000；24：216～217

［6］周劍俠，康露，畢京博等.異甾體類生物堿——環(huán)巴胺的研究進(jìn)展［J］.中國(guó)天然藥物，2006，4（6）：468～472

［7］Lee J，Wu X，et al.A Small-Molecule Antagonist of Hedgehog Signaling Pathway［J］.Biochemstry，2007，8（16）：1916～1919

［8］Zhang J，Garrossian M，Gardner D，et al.Synthesis and Anticancer Activity Studies of Cyclopamine Derivatives［J］.Bioorg Med Chem Lett，2008，18：1359～1363

［9］定量構(gòu)效關(guān)系.http：//baike.so.com/doc/6609150.html

［10］Reifenberger J，Wolter M，Weber RG，et al.Missense Mutations in SMOH in Sporadic Basal Cell Carcinomas of the Skin and Primitive neuroectodermal tumors of the central nervous system［J］.Cancer Res 1998；58：1798-1803.

［11］Dahmane N，Sánchez P，Gitton Y，et al.The Sonic Hedgeho-Gli pathway Regulates Dorsal Brain Growth and Tumorigenesis［J］. Development，2001，128：5201～5212

［12］Chen JK，Taipale J，Young KE，et al.Small Molecule Modulation of Smoothened Activity［J］.Proc.Natl.Acad.Sci.USA，2002，99：14071～14076

［13］For example：Beachy et al［D］.U.S.Patent No.6911528，2005

［14］Taipale J，Chen JK，Cooper MK，et al.Effects of Oncogenic Mutations in Smoothened and Patched can be Reversed by Cyclopamine ［J］.Nature，2000，406：1005～1009

［15］Janardanannair S，Adams J，Ripka AS，et al.Methods for Preparation Cyclopamine Analogs and Use Thereof in Treating Cancers［J］. 2005，-US30406；2006026430，20050826，2006

［16］Ruixin Zhu，Qi Liu，Jian Tang，Huiliang，ZW Cao.Investigations on Inhibitors of Hedgehog Signal Pathway：A QSAR Study［J］.Int.J. Mol.Sci.，2011（12）：3018～3033

［17］Labute P.A Widely Applicable Set of Descriptors［J］.J Mol Graph Model 2000；18：464～477

［18］Xu J，Stevenson J.Drug-like index：A New Approach To Measure Drug-like Compounds and Their Diversity［J］.J Chem.Inf.Comput. Sci.2000；40：1177～1187

［19］q_dli.svl.Small Molecule Drug-Like Index Descriptors.www.chemcomp.com

［20］Vapnik.The Nature of Statistical Learning Theory［M］.New York：Springer，1995

Cyclopamine；Inhibitors of Hedgehog Signaling Pathway；Quantitative Structure-Activity Relationship

Research on the Structure-Activity Relationship of the Hedgehog Signaling Pathway Inhibitor

LU Peng-wei，ZHANG Ming
（College of Information Engineering，Shanghai Maritime University，Shanghai 201306）

1007-1423（2015）17-0022-06

10.3969/j.issn.1007-1423.2015.17.005

魯鵬薇（1989-），女，河南焦作人，碩士，研究方向?yàn)槟Ｊ阶R(shí)別、多媒體信息處理、蛋白質(zhì)分子反向?qū)?，Email：zhyzhaihuiyan@163.com

張明（1957-），男，博士，教授，研究方向?yàn)槎嗝襟w信息處理、分布式多媒體技術(shù)、多媒體數(shù)據(jù)庫、視覺信息檢索與分析、網(wǎng)絡(luò)信息安全、人工智能、航運(yùn)信息化技術(shù)等

2015-04-17

2015-05-21

研究表明環(huán)巴胺是一種Hedgehog信號(hào)通路抑制劑，對(duì)多種腫瘤有良好的抑制作用。提出一種可靠的定量構(gòu)效關(guān)系模型，對(duì)93種環(huán)巴胺衍生物（共四組靶點(diǎn)活性數(shù)據(jù)：BxPC-3、NCI-H446、SW1990和NCI-H157）采用不同方式劃分訓(xùn)練集與測(cè)試集，以及采用不同特征描述符和使用不同機(jī)器學(xué)習(xí)分類方法來建模，從而得到建立定量構(gòu)效關(guān)系模型較好的機(jī)器學(xué)習(xí)分類方法。研究表明，支持向量機(jī)的統(tǒng)計(jì)分類方法是對(duì)Hedgehog信號(hào)通路抑制劑建立定量構(gòu)效關(guān)系模型的一個(gè)較好的選擇。

環(huán)巴胺；Hedgehog信號(hào)通路抑制劑；定量構(gòu)效關(guān)系

The study has shown that cyclopamine is a kind of inhibitors of Hedgehog signal pathway and has a good effect on a wide variety of tumor.Proposes a solid QSAR model.The data contains 93 cyclopamine derivatives as well as their activities against four different cell lines （NCI-H446，BxPC-3，SW1990 and NCI-H157）.And proposes different machine learning ways in order to get a better way to build a good Quantitative Structure-Activity Relationship.The testing indicates that the SVM is a better choice for building the QSAR model of inhibitors of Hedgehog signaling pathway.