基于支持向量学习机的HIV-1蛋白酶抑制剂的活性预测

作     者：饶含兵 李泽荣 陈晓梅 李象远 RAO Han-Bing;LI Ze-Rong*;1;CHEN Xiao-Mei;LI Xiang-Yuan*;2

作者机构：四川大学化学学院成都610064 四川大学化工学院成都610065 

基　　金：国家自然科学基金(No.20572073)资助项目 

出 版 物：《化学学报》 (Acta Chimica Sinica)

年 卷 期：2007年第65卷第3期

页      码：197-202页

摘      要：为了预测人体免疫缺陷蛋白酶抑制剂的活性,计算了表征分子的组成和拓扑特征的462个分子描述符,用Kennard-Stone方法和随机方法进行了训练集和测试集设计,用Monte Carlo模拟退火方法进行变量筛选,并分别用神经网络,逻辑回归,k-近邻和支持向量学习机方法建立了HIV-1蛋白酶的抑制剂模型.结果表明支持向量学习机优于其余机器学习方法,用SVM方法所建立的最优模型的最后预测正确率达到98.24%.

主 题 词：蛋白酶抑制剂 分子描述符 机器学习方法 变量筛选 

学科分类：1007[医学-药学类] 100705[100705] 0703[理学-化学类] 10[医学] 

核心收录：

D　O　I：10.3321/j.issn:0567-7351.2007.03.004

馆 藏 号：203156228...