Занятие 12

Замечания

Обработка файла в конце второго пункта:
---
sed -e 's/.*HEADER.*\([0-9][0-9]\).*/\1/' -e 's/\(.*M END.*\)/\1\n$$$$/' aligned_ascii.sdf > temp
sed -n '/^[0-9a-zA-Z \$\.-]*$/ p' temp > aligned_ok.sdf
rm temp
---
не нужна и даже вредна.

Результаты работы open3dqsar по выравниванию open3dalign на первых 59 веществах, с предсказанием для 60 - 85

Скрипт

Регресс. модель (r^2 - показатель) при построении модели:

           Exp.   Cum. exp.        Exp.   Cum. exp.
PC    var. X %    var. X %    var. Y %    var. Y %        SDEC           r2
---------------------------------------------------------------------- ----
 0      0.0000      0.0000      0.0000      0.0000      0.9494       0.0000
 1      9.6130      9.6130     35.5502     35.5502      0.7622       0.3555
 2      5.9167     15.5297     32.4253     67.9755      0.5373       0.6798
 3      3.9754     19.5052     19.6206     87.5961      0.3344       0.8760
 4      3.9726     23.4777      6.2434     93.8395      0.2356       0.9384
 5      7.1482     30.6259      2.2437     96.0832      0.1879       0.9608

r^2 близок к единице для 5 компонент, поэтому модель должна работать хорошо.

При кросс-валидации (отвратительно, как и должно было получиться):

PC        SDEP          q2
--------------------------
 0      0.9658     -0.0348
 1      0.9850     -0.0764
 2      1.0305     -0.1781
 3      0.9740     -0.0526
 4      0.9482      0.0025
 5      0.9209      0.0592

С такими значениями q^2, модель должна работать плохо.

При предсказании (отвратительно, чего получиться не должно было):

PC    r2(pred)        SDEP
--------------------------
 0      0.0000      1.0362
 1     -0.0173      1.0451
 2     -0.3011      1.1820
 3     -0.3655      1.2109
 4     -0.3092      1.1856
 5     -0.3633      1.2099

Результаты работы open3dqsar по "истинному" вырваниванию на первых 59 веществах, с предсказанием для 60 - 85

Построение модели:

           Exp.   Cum. exp.        Exp.   Cum. exp.
PC    var. X %    var. X %    var. Y %    var. Y %        SDEC           r2
---------------------------------------------------------------------- ----
 0      0.0000      0.0000      0.0000      0.0000      0.9494       0.0000
 1     12.1342     12.1342     48.4736     48.4736      0.6815       0.4847
 2     13.2295     25.3637     14.5885     63.0621      0.5770       0.6306
 3      7.6412     33.0049     13.2040     76.2661      0.4625       0.7627
 4      8.0257     41.0305      4.3684     80.6345      0.4178       0.8063
 5      6.0521     47.0827      3.8642     84.4987      0.3738       0.8450

Кросс-валидация:

PC        SDEP          q2
--------------------------
 0      0.9658     -0.0348
 1      0.8027      0.2851
 2      0.7664      0.3484
 3      0.7061      0.4468
 4      0.6735      0.4968
 5      0.6401      0.5454

Вот тут значения q^2 уже приличные, поэтому доверять результатам в какой-то степени можно.

Предсказание:

PC    r2(pred)        SDEP
--------------------------
 0      0.0000      1.0362
 1      0.3451      0.8385
 2      0.3226      0.8529
 3      0.2998      0.8671
 4      0.3012      0.8662
 5      0.2693      0.8858

Результаты работы open3dqsar по "истинному" вырваниванию на все 85 веществах, с предсказанием для 86 - 88

Построение модели:

           Exp.   Cum. exp.        Exp.   Cum. exp.
PC    var. X %    var. X %    var. Y %    var. Y %        SDEC          r2
--------------------------------------------------------------------------
 0      0.0000      0.0000      0.0000      0.0000      0.9749      0.0000
 1     12.8375     12.8375     44.4004     44.4004      0.7269      0.4440
 2     14.5264     27.3638     14.3748     58.7753      0.6260      0.5878
 3      6.9607     34.3245     11.2007     69.9760      0.5342      0.6998
 4      8.4659     42.7904      5.4939     75.4699      0.4828      0.7547
 5      4.7600     47.5503      5.7466     81.2166      0.4225      0.8122

Кросс-валидация:

PC        SDEP          q2
--------------------------
 0      0.9865     -0.0240
 1      0.8305      0.2743
 2      0.7666      0.3816
 3      0.7394      0.4247
 4      0.7339      0.4332
 5      0.7380      0.4269

Предсказание:

PC    r2(pred)        SDEP
--------------------------
 0      0.0000      6.6604
 1      0.0294      6.5616
 2     -0.0102      6.6942
 3      0.0265      6.5717
 4     -0.0480      6.8183
 5     -0.0950      6.9696

External predictions for dependent variable  1 (activity)
--------------------------------------------------------------------------------------------------------------------------------------
    N   ID    Name                                      Actual           1           2           3           4           5    Opt PC n
--------------------------------------------------------------------------------------------------------------------------------------
   86   86    01                                        0.0000      7.0954      7.5090      7.3772      7.6623      7.8822           1
   87   87    44                                        0.0000      6.9300      7.0808      6.9883      7.1990      7.4119           1
   88   88    72                                        0.0000      5.5493      5.2836      5.1285      5.3788      5.3537           3

Для того, чтобы выбрать необходимое число компонент, воспользуемся данными q^2 из кросс-валидации, как наиболее точно отображающими предсказательную силу модели.
Наилучшее q^2 для PC = 4. Значит, предсказанные активности:

86	7.6623
87	7.1990
88	5.3788

*Анализ в PyMOL

Красный - положительное влияние, синий - отрицательное.
Как видно, взаимодействия с группами (обычно - ароматическими кольцами) ингибиторов, соединенными через серу с остальной молекулой (на рисунке - снизу) положительно влияют на значение активности, в то время как взаимодействие с остальными группами (ароматическими кольцами или алифатическими группами) - отрицательно.