2、基于特定配体耦合模式的G蛋白偶联受体功能分类

基于特定配体耦合模式的G蛋白偶联受体功能分类

一、引言

G蛋白偶联受体（GPCRs）在细胞信号传导和各种基本生理过程的调节中起着关键作用，是真核跨膜蛋白中最大的家族之一。它们与超过50%的处方药相互作用，因此成为药物设计和当前制药研究的优秀潜在治疗靶点类别。尽管通过正在进行的基因组学项目已经知道了数千个GPCR序列，但只有一个GPCR序列的晶体结构通过电子衍射在中等分辨率下得到了解决，而且许多GPCR的激活配体未知，这些被称为孤儿GPCR。因此，基于序列信息对这些孤儿GPCR和新出现的GPCR序列进行功能分类的方法，对于促进新型GPCR的鉴定和表征具有重要的实际应用价值。

实验室实验虽然是最可靠的方法，但成本高且耗时长。为了实现自动化，计算方法如决策树、判别分析、神经网络和支持向量机（SVM）等在生物数据分类领域得到了广泛应用。其中，SVM在许多实际分类问题中表现出最佳的预测性能，包括生物问题。SVM能够通过找到一个具有最大间隔的唯一超平面来分离两类数据，从而最小化结构风险，因此在未见过的数据上具有最佳的泛化能力。

目前，已有多种方法用于对GPCR进行不同层次的家族分类，如使用初级数据库搜索工具（如BLAST、FASTA），但这些方法要求查询蛋白与数据库序列有显著相似性才能正常工作。此外，还有使用二级数据库方法（如Attwood等人在PRINTS数据库中对GPCR的研究）、隐马尔可夫模型、装袋分类树和SVM等方法。Karchin等人的研究表明，SVM在识别GPCR家族方面具有最高的准确性，但SVM需要将每个蛋白质序列转换为固定长度的向量，并且其预测准确性在很大程度上取决于这个特定的固定长度向量。

二、背景

G蛋白偶联受体数据库（GPCR