支持向量機對不同物種毒性的QSAR研究.pdf

1、化合物結構與其毒性的定量構效（QSAR）關系研究，因其建立具有預測毒性能力的模型，對已經(jīng)進入人類中的生物毒物以及尚未投放市場的新化合物的毒性進行成功的預測和評價，因而在生物毒物領域研究中已經(jīng)顯示出極其廣闊的應用前景。本論文從支持向量機的回歸和分類兩方面對四類不同物種毒性進行探討研究。以“小樣本，多維數(shù)”為特征的研究樣本，采用最小二乘支持向量回歸算法進行研究；以“小樣本，貧信息”為特征的研究樣本，采用支持向量機多類分類算法展開研究。

2、>　　用Gsussian98程序的DFT-B3LYP方法在6-311G**水平上幾何全優(yōu)化和計算了30種硝基芳烴化合物分別對梨形四膜蟲和圓腹雅羅魚的量子化學結構描述符。經(jīng)振動分析,所得穩(wěn)定構型均無虛頻，量化計算了10余種結構描述符如：μ、EHOMO、ELUMO、ENHOMO、ENLUMO、ΔE=ELUMO-EHOMO、Q-NO2、QC-NO2、V等，結合硝基芳烴對梨形四膜蟲和圓腹雅羅魚的急性毒性(-1gLC50)進行定量構效關系(QSA

3、R)研究。
　　應用最小二乘支持向量機研究30種硝基芳烴對梨形四膜蟲急性毒性。取25種硝基芳烴化合物構建訓練集，5種硝基芳烴化合物作為預測集。對訓練集建立數(shù)學模型，對預測集模擬。同時，列出逐步回歸、偏最小二乘回歸、徑向基神經(jīng)網(wǎng)絡等方法的仿真結果，得出最小二乘支持向量機模型性能最優(yōu)，在此模型基礎上找出了影響該類化合物毒性的各個因素。
　　應用最小二乘支持向量機研究30種硝基芳烴對圓腹雅羅魚急性毒性。取23種硝基芳烴化合物構建訓

4、練集，7種硝基芳烴化合物作為預測集。對訓練集建立數(shù)學模型，對預測集模擬。同時，列出逐步回歸、偏最小二乘回歸、徑向基神經(jīng)網(wǎng)絡等方法的仿真結果，得出最小二乘支持向量機模型性能最優(yōu)，在此模型基礎上找出了影響該類化合物毒性的各個因素。
　　應用支持向量機研究23種芳香腈對發(fā)光菌的毒性分類。選擇適合的核參數(shù)，應用“窮舉法”對參數(shù)進行優(yōu)化,其正確率達到了90.91％，F(xiàn)isher判別分析正確率81.82%，優(yōu)于概率神經(jīng)網(wǎng)絡的72.73%。

5、r>　　應用遺傳算法-支持向量機對77種多環(huán)芳烴毒性進行分類。由于“窮舉法”優(yōu)化參數(shù)耗機時間長，遺傳算法具有隱含的并行性和強大全局搜索能力,可以在很短的時間內(nèi)搜索到全局最優(yōu)點，因此采用遺傳算法對參數(shù)進行優(yōu)化。對于毒性的分類：支持向量機的正確率為81.25%，F(xiàn)isher判別分析的正確率為71.88%，概率神經(jīng)網(wǎng)絡的正確率為76.56%。
　　總之，支持向量機具有理論完備、全局優(yōu)化、非線性映射強、泛化能力好的優(yōu)點。而在實際化學 QS