机器学习方法用于二氢叶酸还原酶抑制剂的活性预测

作     者：陈晓梅 饶含兵 黄文丽 李泽荣 CHEN Xiao-Mei;RAO Han-Bing;HUANG Wen-Li;LI Ze-Rong

作者机构：四川大学化学学院成都610064 四川大学纳米生物医学技术与膜生物学研究所成都610064 

基　　金：国家'八六三'计划项目(批准号:2006AA02Z317) 国家自然科学基金(批准号:30670953)资助 

出 版 物：《高等学校化学学报》 (Chemical Journal of Chinese Universities)

年 卷 期：2007年第28卷第11期

页      码：2171-2178页

摘      要：分别采用支持向量学习机、人工神经网络、调节性逻辑回归和K-最临近等机器学习方法对761个二氢叶酸还原酶抑制剂建立了其活性分类预测模型.采用组成描述符和拓扑描述符表征抑制剂的分子结构及物理化学性质,使用Kennard-Stone方法进行训练集的设计,并用Metropolis Monte Carlo模拟退火方法作变量选择.结果表明,支持向量学习机优于其它机器学习方法,所得到的最优模型具有较好的预测结果,其预测正确率为91.62%.说明通过合适的训练集设计及变量选择,支持向量学习机方法可以很好地用于二氢叶酸还原酶抑制剂的活性分类预测.

主 题 词：二氢叶酸还原酶抑制剂 支持向量学习机 分子描述符 

学科分类：081704[081704] 07[理学] 070304[070304] 08[工学] 0817[工学-轻工类] 0703[理学-化学类] 

核心收录：

D　O　I：10.3321/j.issn:0251-0790.2007.11.029

馆 藏 号：203116977...