機(jī)器學(xué)習(xí)方法用于二氫葉酸還原酶抑制劑的活性預(yù)測(cè).pdf

1、本論文研究了機(jī)器學(xué)習(xí)方法在化合物的藥物活性上，進(jìn)行分類預(yù)測(cè)的應(yīng)用。全文包括兩個(gè)章節(jié)，第一章，敘述了支持向量學(xué)習(xí)機(jī)分類方法以及其它幾種機(jī)器學(xué)習(xí)方法，用于分類建模的理論基礎(chǔ)；第二章，主要是對(duì)方法的實(shí)際應(yīng)用型研究，即機(jī)器學(xué)習(xí)分類方法在二氫葉酸還原酶抑制劑藥物的活性分類預(yù)測(cè)中的運(yùn)用。 在第一章中，首先對(duì)計(jì)算機(jī)輔助藥物分子設(shè)計(jì)的發(fā)展背景及研究概況進(jìn)行了介紹，并詳細(xì)闡述了支持向量學(xué)習(xí)機(jī)、人工神經(jīng)網(wǎng)絡(luò)，調(diào)節(jié)性邏輯回歸，和K-最臨近等機(jī)器學(xué)習(xí)方

2、法的理論基礎(chǔ)；對(duì)在建模初期，分子幾何結(jié)構(gòu)的優(yōu)化及相關(guān)軟件進(jìn)行了說(shuō)明；概述了用來(lái)描述分子物理及化學(xué)性質(zhì)的描述符的定義、名稱以及分類；對(duì)用于訓(xùn)練集設(shè)計(jì)的Random Selection算法、Kohonenself-organising maps算法和Kennard—Stotle算法，以及用于變量篩選的Metropolis Monte Carlo模擬退火方法和遺傳算法進(jìn)行了闡述；最后就模型好壞的評(píng)價(jià)標(biāo)準(zhǔn)進(jìn)行了說(shuō)明。 第二章主要是用機(jī)器

3、學(xué)習(xí)方法對(duì)二氫葉酸還原酶抑制劑，進(jìn)行了藥物活性的分類預(yù)測(cè)。首先對(duì)已知活性的761個(gè)二氫葉酸還原酶抑制劑分子結(jié)構(gòu)進(jìn)行幾何構(gòu)型優(yōu)化，在此結(jié)構(gòu)基礎(chǔ)上，計(jì)算了463個(gè)組成描述符和拓?fù)涿枋龇?，以此?lái)表征化合物分子的物理及化學(xué)特征。在訓(xùn)練集設(shè)計(jì)時(shí)，使用了Kennard—Stone方法和Random方法，對(duì)其基礎(chǔ)上建立模型的分類結(jié)果進(jìn)行了比較，說(shuō)明Kennard—Stone方法更適宜于構(gòu)建模型。因此，在比較建模的機(jī)器學(xué)習(xí)方法時(shí)，就只使用了Kennar

4、d-Stone方法進(jìn)行訓(xùn)練集的設(shè)計(jì)，構(gòu)造好訓(xùn)練集以及測(cè)試集用于建模，并使用預(yù)測(cè)正確率來(lái)評(píng)估模型的預(yù)測(cè)能力。對(duì)于支持向量學(xué)習(xí)機(jī)、人工神經(jīng)網(wǎng)絡(luò)，調(diào)節(jié)性邏輯回歸，和K－最臨近等機(jī)器學(xué)習(xí)方法所建模型的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比，評(píng)定支持向量學(xué)習(xí)機(jī)建立的模型最優(yōu)，有較好的預(yù)測(cè)結(jié)果，其總體預(yù)測(cè)正確率為89.01％。在此基礎(chǔ)上，經(jīng)過(guò)標(biāo)準(zhǔn)化和進(jìn)行Metropolis MonteCarlo模擬退火算法的變量篩選，對(duì)描述符進(jìn)一步處理，最終篩選出158個(gè)對(duì)預(yù)測(cè)結(jié)果影響

5、較大的描述符。最終建立的模型的預(yù)測(cè)結(jié)果進(jìn)一步得到改善，其總體預(yù)測(cè)正確率提高到了91.62％。說(shuō)明了通過(guò)合適的訓(xùn)練集設(shè)計(jì)及變量選擇，支持向量學(xué)習(xí)機(jī)方法可很好地用于二氫葉酸還原酶抑制劑的活性分類預(yù)測(cè)。在二氫葉酸還原酶抑制劑的活性分類預(yù)測(cè)上，有較好結(jié)果的支持向量學(xué)習(xí)機(jī)方法，可通過(guò)訓(xùn)練集的設(shè)計(jì)和變量選擇來(lái)改善模型。通過(guò)使用：Kennard-Stone方法進(jìn)行訓(xùn)練集的設(shè)計(jì)以及Metropolis Monte Carlo模擬退火方法進(jìn)行變量篩選，可