QSPR-анализ реакционной способности субстратов тирозиназы методом случайного леса
За допомогою видiленого частково очищеного препарату тирозинази в розроблених умовах здiйснено окиснення широкого спектра фенольних сполук з рiзним ступенем бiоконверсiї. Для вивчення зв’язку структура властивiсть був використаний метод випадкового лiсу; отримано адекватну консенсусну модель з 16%...
Збережено в:
| Дата: | 2010 |
|---|---|
| Автори: | , , , , , , , |
| Формат: | Стаття |
| Мова: | Russian |
| Опубліковано: |
Видавничий дім "Академперіодика" НАН України
2010
|
| Назва видання: | Доповіді НАН України |
| Теми: | |
| Онлайн доступ: | http://dspace.nbuv.gov.ua/handle/123456789/29700 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | QSPR-анализ реакционной способности субстратов тирозиназы методом случайного леса / Ю. А. Шестеренко, А. Г. Артеменко, П. Г. Полищук, Е. Н. Муратов, О. В. Севастьянов, И. И. Романовская, В. Е. Кузьмин, С. А. Андронати // Доп. НАН України. — 2010. — № 5. — С. 181-186. — Бібліогр.: 15 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
irk-123456789-29700 |
|---|---|
| record_format |
dspace |
| spelling |
irk-123456789-297002011-12-28T12:30:16Z QSPR-анализ реакционной способности субстратов тирозиназы методом случайного леса Шестеренко, Ю.А. Артеменко, А.Г. Полищук, П.Г. Муратов, Е.Н. Севастьянов, О.В. Романовская, И.И. Кузьмин, В.Е. Андронати, С.А. Біохімія За допомогою видiленого частково очищеного препарату тирозинази в розроблених умовах здiйснено окиснення широкого спектра фенольних сполук з рiзним ступенем бiоконверсiї. Для вивчення зв’язку структура властивiсть був використаний метод випадкового лiсу; отримано адекватну консенсусну модель з 16%-ю помилкою внутрiшньої тестової виборки. Показано, що найбiльш значущим фактором у процесi бiоконверсiї фенолiв є геометричнi параметри молекули фенолу (~ 70%). Дипольний момент, лiпофiльнiсть i електронна поляризовнiсть молекул вiдiграють менш важливу роль (15, 7 i 6% вiдповiдно). With a help of isolated and partially purified tyrosinase preparation under the conditions developed, the oxidation of a wide range of phenolic compounds with different degrees of bioconversion is conducted. For the investigation of the structure property relationship, the method of random forest is used; an adequate consensus model is obtained. It predicts the out-of-bag set with only 16% of misclassification errors. It is shown that the most significant factor in the bioconversion of phenols is the geometric characteristics of phenol’s molecule (~ 70%). The dipole moment, lipophilicity, and electronic polarizability of a molecule plays a less significant role (15, 7, and 6%, respectively). 2010 Article QSPR-анализ реакционной способности субстратов тирозиназы методом случайного леса / Ю. А. Шестеренко, А. Г. Артеменко, П. Г. Полищук, Е. Н. Муратов, О. В. Севастьянов, И. И. Романовская, В. Е. Кузьмин, С. А. Андронати // Доп. НАН України. — 2010. — № 5. — С. 181-186. — Бібліогр.: 15 назв. — рос. 1025-6415 http://dspace.nbuv.gov.ua/handle/123456789/29700 577.152.1:541.6 ru Доповіді НАН України Видавничий дім "Академперіодика" НАН України |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| language |
Russian |
| topic |
Біохімія Біохімія |
| spellingShingle |
Біохімія Біохімія Шестеренко, Ю.А. Артеменко, А.Г. Полищук, П.Г. Муратов, Е.Н. Севастьянов, О.В. Романовская, И.И. Кузьмин, В.Е. Андронати, С.А. QSPR-анализ реакционной способности субстратов тирозиназы методом случайного леса Доповіді НАН України |
| description |
За допомогою видiленого частково очищеного препарату тирозинази в розроблених умовах здiйснено окиснення широкого спектра фенольних сполук з рiзним ступенем бiоконверсiї. Для вивчення зв’язку структура властивiсть був використаний метод випадкового лiсу; отримано адекватну консенсусну модель з 16%-ю помилкою внутрiшньої тестової виборки. Показано, що найбiльш значущим фактором у процесi бiоконверсiї фенолiв є геометричнi параметри молекули фенолу (~ 70%). Дипольний момент, лiпофiльнiсть i електронна поляризовнiсть молекул вiдiграють менш важливу роль (15, 7 i 6% вiдповiдно). |
| format |
Article |
| author |
Шестеренко, Ю.А. Артеменко, А.Г. Полищук, П.Г. Муратов, Е.Н. Севастьянов, О.В. Романовская, И.И. Кузьмин, В.Е. Андронати, С.А. |
| author_facet |
Шестеренко, Ю.А. Артеменко, А.Г. Полищук, П.Г. Муратов, Е.Н. Севастьянов, О.В. Романовская, И.И. Кузьмин, В.Е. Андронати, С.А. |
| author_sort |
Шестеренко, Ю.А. |
| title |
QSPR-анализ реакционной способности субстратов тирозиназы методом случайного леса |
| title_short |
QSPR-анализ реакционной способности субстратов тирозиназы методом случайного леса |
| title_full |
QSPR-анализ реакционной способности субстратов тирозиназы методом случайного леса |
| title_fullStr |
QSPR-анализ реакционной способности субстратов тирозиназы методом случайного леса |
| title_full_unstemmed |
QSPR-анализ реакционной способности субстратов тирозиназы методом случайного леса |
| title_sort |
qspr-анализ реакционной способности субстратов тирозиназы методом случайного леса |
| publisher |
Видавничий дім "Академперіодика" НАН України |
| publishDate |
2010 |
| topic_facet |
Біохімія |
| url |
http://dspace.nbuv.gov.ua/handle/123456789/29700 |
| citation_txt |
QSPR-анализ реакционной способности субстратов тирозиназы методом случайного леса / Ю. А. Шестеренко, А. Г. Артеменко, П. Г. Полищук, Е. Н. Муратов, О. В. Севастьянов, И. И. Романовская, В. Е. Кузьмин, С. А. Андронати // Доп. НАН України. — 2010. — № 5. — С. 181-186. — Бібліогр.: 15 назв. — рос. |
| series |
Доповіді НАН України |
| work_keys_str_mv |
AT šesterenkoûa qspranalizreakcionnojsposobnostisubstratovtirozinazymetodomslučajnogolesa AT artemenkoag qspranalizreakcionnojsposobnostisubstratovtirozinazymetodomslučajnogolesa AT poliŝukpg qspranalizreakcionnojsposobnostisubstratovtirozinazymetodomslučajnogolesa AT muratoven qspranalizreakcionnojsposobnostisubstratovtirozinazymetodomslučajnogolesa AT sevastʹânovov qspranalizreakcionnojsposobnostisubstratovtirozinazymetodomslučajnogolesa AT romanovskaâii qspranalizreakcionnojsposobnostisubstratovtirozinazymetodomslučajnogolesa AT kuzʹminve qspranalizreakcionnojsposobnostisubstratovtirozinazymetodomslučajnogolesa AT andronatisa qspranalizreakcionnojsposobnostisubstratovtirozinazymetodomslučajnogolesa |
| first_indexed |
2025-07-03T09:55:00Z |
| last_indexed |
2025-07-03T09:55:00Z |
| _version_ |
1836619138013855744 |
| fulltext |
УДК 577.152.1:541.6
© 2010
Ю. А. Шестеренко, А. Г. Артеменко, П. Г. Полищук,
Е. Н. Муратов, О. В. Севастьянов, И. И. Романовская,
В. Е. Кузьмин, академик НАН Украины С. А. Андронати
QSPR-анализ реакционной способности субстратов
тирозиназы методом случайного леса
За допомогою видiленого частково очищеного препарату тирозинази в розроблених умо-
вах здiйснено окиснення широкого спектра фенольних сполук з рiзним ступенем бiокон-
версiї. Для вивчення зв’язку структура — властивiсть був використаний метод випад-
кового лiсу; отримано адекватну консенсусну модель з 16%-ю помилкою внутрiшньої
тестової виборки. Показано, що найбiльш значущим фактором у процесi бiоконверсiї
фенолiв є геометричнi параметри молекули фенолу (∼ 70%). Дипольний момент, лiпо-
фiльнiсть i електронна поляризовнiсть молекул вiдiграють менш важливу роль (15, 7
i 6% вiдповiдно).
В настоящее время для разработки современных ферментативных технологий очистки сто-
чных вод от высокотоксичных фенольных соединений используются окислительно-восста-
новительные ферменты (пероксидаза, тирозиназа) [1]. Тирозиназа (КФ 1.14.18.1) катализи-
рует процесс окисления широкого ряда фенольных соединений, однако структура cубстра-
тов оказывает существенное влияние на степень их трансформации.
Известно, что о-дифенолы окисляются в присутствии фермента значительно быстрее
монофенольных субстратов, поскольку лимитирующей стадией в процессе тирозиназного
катализа является введение ОН-группы в о-положение молекулы монофенолов. Электро-
ноакцепторные заместители в n-положении ароматического кольца субстрата, в отличие
от электронодонорных, затрудняют биоконверсию [2]. Так, производные нитрофенола не
окисляются в присутствии тирозиназы [3], за исключением п-нитропирокатехина, степень
трансформации которого значительно ниже, чем для большинства п-замещенных о-дифе-
нолов [2].
Известна работа, в которой приведены результаты QSAR-анализа1 с применением
CoMFA2 и CoMSIA3 методов влияния структуры 48 ингибиторов (производных бензаль-
дегида, бензойной и коричной кислот) на активность тирозиназы — ключевого фермента
в биосинтезе меланина — для дизайна новых ингибиторов меланогенеза. С использовани-
ем дескрипторов, описывающих стерические и электростатические поля молекул, получе-
ны адекватные и прогнозирующие модели CoMFA и CoMSIA. Были также получены 2D
QSAR-модели с использованием дескрипторов, включающих электронные (константы Гам-
мета), гидрофобные (π) и структурные (MR) параметры, водородные связи (H) с их вкладом
1QSAR (quantitative structure — activity relationships) — количественные соотношения структура — актив-
ность.
2CoMFA (comparative molecular field analysis) — сравнительный анализ молекулярных полей.
3CoMSIA (comparative molecular similarity indices analysis) — сравнительный анализ индексов подобия
молекул.
ISSN 1025-6415 Доповiдi Нацiональної академiї наук України, 2010, №5 181
в изменение связывания субстрата с активным центром: π 34,9%, MR 31,6%, H 26,7%. Одна-
ко в литературе отсутствуют сведения о связи структура фенольного субстрата — степень
конверсии в тирозиназном биокатализе с применением QSPR-анализа4 [4].
Результаты QSАR-анализа, позволяющие для набора ароматических субстратов перо-
ксидазы хрена прогнозировать относительные изменения степени их биоконверсии, приве-
дены в статье [5]. На основании энергий граничных орбиталей было построено двухпара-
метровое уравнение и подтверждено влияние электронных свойств заместителей в арома-
тическом кольце фенолов на их биоконверсию [5].
В настоящей работе мы попытались провести аналогичное исследование связи структура
фенольного соединения — степень биоконверсии в реакциях тирозиназного катализа.
Материалы и методы исследований. Частично очищенный препарат тирозиназы из
грибов Agaricus bisporus выделяли методом Коэна [6]; содержание белка определяли мето-
дом Лоури–Хартри [7], меди — с использованием оксалилдигидразида [8], фенолоксидазную
активность — по тирозину [1]. За единицу активности принимали количество фермента,
вызывающего увеличение оптической плотности на 0,001 (λ 280 нм) 0,25 ммоль/дм3 раство-
ра l-тирозина за 1 мин при pH 6,5 и t = 25
◦С. Степень трансформации фенолов определяли
по их убыли спектрофотометрически [9]. Окисление исследуемых фенольных соединений,
катализируемое тирозиназой, проводили при концентрации фермента 120 ед/см3 (pH 6,5,
t = 25
◦С, τ = 15 мин).
Для описания структуры исследуемых соединений применяли интегральные структур-
ные параметры, описывающие геометрические параметры молекул фенольных соедине-
ний (моменты инерции вдоль осей координат Ix, Iy, Iz и их отношения), их электронную
структуру (ЕHOMO, ЕLUMO, дипольный момент), молекулярную рефракцию и липофиль-
ность [10]. Энергию граничных орбиталей фенолов рассчитывали полуэмпирическим мето-
дом РМ3 [11].
Для построения статистических зависимостей структура — свойство использовались ме-
тоды множественной линейной регрессии [12] и метод случайного леса (СЛ) — сравнитель-
но новый статистический метод анализа, который находит все большее применение для
построения QSAR/QSPR моделей [13]. Модель СЛ представляет собой ансамбль отдель-
ных деревьев решений и способа представления правил в иерархической, последовательной
структуре, где каждому объекту соответствует единственный узел с решением [14].
Таким образом, с помощью этого метода возможно решение как классификационных,
так и регрессионных задач. Каждое из деревьев в модели СЛ строится в соответствии со
следующими правилами:
1. Из всего набора соединений обучающей выборки формируется новая, включающая
такое же число соединений, которая является обучающей для конкретного дерева. Соеди-
нения в новую выборку выбираются случайным образом, при этом любое из них может
быть выбрано неоднократно. Не вошедшие в обучающую выборку соединения помещаются
во внутреннюю тестовую выборку и используются при оценке качества и прогнозирующей
способности модели СЛ.
2. При разделении данных в каждом узле дерева применяется алгоритм CART [14], одна-
ко рассматриваются не все переменные, а только небольшая их часть, которая в каждом
узле выбирается случайно.
4QSPR (quantitative structure — property relationships) — количественные соотношения структура —
свойство.
182 ISSN 1025-6415 Reports of the National Academy of Sciences of Ukraine, 2010, №5
3. Каждое дерево строится до максимально возможной глубины, процедура отсечения
ветвей отсутствует.
Для регрессионных задач прогноз осуществляется усреднением всех прогнозов отдель-
ных деревьев в лесе. Для классификационных задач прогноз проводят по наибольшему
числу голосов, поданных за какой-либо класс. Аналогичным образом осуществляется про-
гноз и для внутренней тестовой выборки, каждое “дерево” выдает прогноз только для тех
соединений, которые не вошли в обучающую выборку этого конкретного дерева. Величи-
на ошибки классификации внутренней тестовой выборки — определяющий параметр при
выборе конечной модели.
Результаты и их обсуждение. Из грибов Agaricus bisporus выделен частично очищен-
ный препарат тирозиназы с выходом по белку 0,67 мг/г грибов, содержанием меди 0,19%,
удельной активностью 500 ед/мг белка в минуту. Показано, что 90% общего белка обладают
фенолоксидазной активностью (нативный электрофорез в ПААГ).
Частично очищенный препарат тирозиназы в разработанных условиях (pH 6,5, t =
= 25
◦С, τ = 15 мин) катализировал окисление широкого спектра фенольных соединений
с различной степенью биоконверсии, зависящей от их структуры (табл. 1).
Попытка обнаружить связь структура — свойство с помощью метода пошаговой мно-
жественной линейной регрессии не увенчалась успехом: статистически адекватных урав-
нений построить не удалось. Поэтому для решения данной задачи использовали нелиней-
ный метод СЛ, обладающий следующими преимуществами: отсутствием проблемы пере-
обучения моделей и необходимости предварительного отбора переменных; наличием адек-
ватной внутренней процедуры оценки качества и прогнозирующей способности моделей;
устойчивостью моделей к наличию “шума” в исходной выборке; эффективностью работы
с большими базами данных; интерпретируемостью получаемых моделей; возможностью
корректно анализировать выборки, включающие соединения с различным механизмом
действия.
Исследуемые соединения (табл. 1, структуры 1–25) в зависимости от степени биокон-
версии были разделены на два класса: с высокой (больше 80%) и низкой (меньше 80%).
В результате была получена адекватная консенсусная модель (200 “деревьев”) с 16%-й
ошибкой внутренней тестовой выборки.
Важной особенностью метода СЛ является возможность оценить степень влияния
различных структурных параметров на исследуемое свойство. Для нашей задачи та-
кой анализ показал (рис. 1), что наиболее значимым фактором в процессе биоконвер-
сии фенолов тирозиназой являются геометрические характеристики молекулы фенола,
оцененные с помощью дескрипторов эллипсоида инерции (∼ 70%), что, по всей веро-
ятности, обусловлено необходимостью соответствия молекул фенолов полости фермен-
та. Дипольный момент, липофильность и электронная поляризуемость молекул игра-
ют менее важную роль (15, 7 и 6% соответственно). Хотя влияние параметров, отра-
жающих энергии граничных орбиталей, весьма мало (меньше 1%), при их исклю-
чении из леса увеличивается ошибка классификации для внутренней тестовой вы-
борки.
Полученная модель была использована для качественного предсказания степени био-
конверсии соединений, описанных ранее в литературе (см. табл. 1, структуры 26–
35) [3, 15]. Для этих соединений модель также показала достаточно хорошую прогнози-
рующую способность: ошибка классификации для данного набора (внешний тест) соста-
вила 20%.
ISSN 1025-6415 Доповiдi Нацiональної академiї наук України, 2010, №5 183
Таблица 1. Наблюдаемые и предсказанные значения степени трансформации фенолов тирозиназой
Номер
структури
Структура
Степень
конверсии, %
Класс
наблюдаемый предсказанный
1 1,2,3-Триоксибензол 100,0 1 1
2 1,3-Диоксибензол 0,0 2 2
3 2,4,5-Трихлорофенол 28,6 2 2
4 2,4,6-Трихлорофенол 33,1 2 2
5 2,4-Дихлорофенол 12,3 2 2
6 2-Аминофенол 36,8 2 2
7 2-Крезол 23,1 2 2
8 2-Хлорофенол 16,7 2 2
9 3,4-Дигидроксифенил- 100,0 1 1
пропионовая кислота
10 3,4-Дигидроксифенил- 100,0 1 1
уксусная кислота
11 3-Крезол 54,5 2 2
12 3-Хлорофенол 47,2 2 2
13 4-Аминофенол 0,0 2 2
14 4-Бромфенол 41,3 2 2
15 4-Гидроксифенил- 100,0 1 1
пропионовая кислота
16 4-Гидроксифенилуксусная 100,0 1 1
кислота
17 4-Метил-1,2-диоксибензол 100,0 1 1
18 4-Метоксифенол 99,0 1 1
19 4-Трет-бутил-1,2- 100,0 1 1
диоксибензол
20 4-Хлорофенол 59,3 2 2
21 4-Этоксифенол 100,0 1 1
22 1-Нафтол 10,7 2 2
23 Пентахлорофенол 34,2 2 2
24 Тирозин 66,7 2 2
25 Фенол 63,1 2 2
26 L-α-Метилтирозин [15] — 2 1
27 L-Изопреналин [15] — 2 1
28 L-Диоксифенилаланин [15] — 1 1
29 L-α-Метилдиоксифенил- — 2 2
аланин [15]
30 Дофамин [15] — 1 1
31 Метиловый эфир [15] — 1 1
диоксифенилаланина
32 Тирамин [15] — 1 1
33 о-Нитрофенол [3] — 2 2
34 п-Нитрофенол [3] — 2 2
35 м — Нитрофенол [3] — 2 2
Таким образом, полученные результаты позволяют предположить, что в отличие от
процесса окисления фенолов пероксидазой, где решающую роль играют электронные
184 ISSN 1025-6415 Reports of the National Academy of Sciences of Ukraine, 2010, №5
Рис. 1. Оценка влияния различных структурных параметров на степень конверсии фенолов, полученная на
основе интерпретации модели СЛ.
ЕLUMO (Lowest Unoccupied Molecular Orbital) — энергия низшей вакантной молекулярной орбитали; ЕHOMO
(Highest Occupied Molecular Orbital) — энергия высшей занятой молекулярной орбитали; IX , IY , IZ —
моменты инерции в главных осях координат; Log P — липофильность
факторы реакционной способности фенолов, в процессе окисления фенолов тирозиназой
большее влияние оказывают стерические факторы (геометрические характеристики мо-
лекулы).
1. Ikehata K., Nicell J. Color and toxicity removal following tyrosinase-catalyzed oxidation of phenols //
Biotechnol. Prog. – 2000. – 16, Nо 4. – P. 533–540.
2. Halaouli S., Asther M., Sigoillot J.-C. et al. Fungal tyrosinases: new prospects in molecular characteristics,
bioengineering and applications // J. Appl. Microbiol. – 2006. – 100, Nо 2. – P. 219–232.
3. Conrad J., Dawso S., Hubbard Е. et al. Inhibitor binding to the binuclear active site of tyrosinase:
temperature, pH, and solvent deuterium isotope effects // Biochemistry. – 1994. – 33, Nо 19. – P. 5739–5744.
4. Xue C.B., Luo W.C., Ding Q. et al. Quantitative structure-activity relationship studies of mushroom
tyrosinase inhibitors // Journal of Computer-Aided Molecular Design. – 2008. – 22, Nо 5. – P. 299–309.
5. Романовская И.И., Муратов Е.Н., Кузьмин В. Е. и др. Анализ влияния структуры фенольных сое-
динений на степень их ферментативной конверсии // Доп. НАН України. – 2006. – № 9. – С. 159–164.
6. Романовська I. I., Шестеренко Ю.А., Севастьянов О.В., Топтiков В.А. Дослiдження складу част-
ково очищеного препарату тирозинази з грибiв Agaricus bisporus // Медична хiмiя. – 2008. – 10, № 2. –
С. 79–82.
7. Hartree E. F. Determination of protein: a modification of the Lowry method, that gives a linear photometric
response // Anal. Biochem. – 1972. – 48, Nо 1. – P. 422–427.
8. Stark G.R., Dawson C.R. Spectrophotometric microdetermination of copper in copper oxidases using
oxalyldihydrazide // Analytical Chemistry. – 1958. – 30, Nо 2. – P. 191–194.
9. Коренман И.М. Фотометрический анализ. Методы определения органических соединений. – Москва:
Химия, 1975. – 368 с.
10. Wang R., Fu Y., Lai L. A new atom-additive method for calculating partition coefficients // J. Chem. Inf.
Comput. Sci. – 1997. – 37. – P. 615–621.
ISSN 1025-6415 Доповiдi Нацiональної академiї наук України, 2010, №5 185
11. Hyper Chem 6.0 – trial version. Hyperchem Software. – Hypercube Inc., FL USA. http://www.hyper.com.
12. Ферстер Э., Ренц Б. Методы корреляционного и регрессионного анализа. – Москва: Финансы и
статистика, 1983. – 324 с.
13. Breiman L. Random Forests // Machine Learning. – 2001. – 45. – P. 5–32.
14. Breiman L., Friedman J. H., Olshen R.A., Stone C. J. Classification and Regression Trees. – Belmont, CA:
Wadsworth, 1984. – 368 p.
15. Espin J. C., Varon R., Fenoll L. G. et al. Kinetic characterization of the substrate specificity and mechanism
of mushroom tyrosinase // Eur. J. Biochem. – 2000. – 267. – P. 1270–1279.
Поступило в редакцию 23.11.2009Физико-химический институт им. А. В. Богатского
НАН Украины, Одесса
Yu.A. Shesterenko, A. G. Artemenko, P.G. Polischuk, E.N. Muratov,
O.V. Sevastyanov, I. I. Romanovskaya, V. E. Kuz’min,
Academician of the NAS of Ukraine S.A. Andronati
QSPR-analysis of tyrosinase substrates reactivity by the random forest
method
With a help of isolated and partially purified tyrosinase preparation under the conditions developed,
the oxidation of a wide range of phenolic compounds with different degrees of bioconversion is
conducted. For the investigation of the structure — property relationship, the method of random
forest is used; an adequate consensus model is obtained. It predicts the out-of-bag set with only 16%
of misclassification errors. It is shown that the most significant factor in the bioconversion of
phenols is the geometric characteristics of phenol’s molecule (∼ 70%). The dipole moment, li-
pophilicity, and electronic polarizability of a molecule plays a less significant role (15, 7, and 6%,
respectively).
186 ISSN 1025-6415 Reports of the National Academy of Sciences of Ukraine, 2010, №5
|