大數(shù)據(jù)環(huán)境下化合物類藥性與活性預(yù)測研究.pdf

1、在藥物研發(fā)過程中，需要通過從海量化合物數(shù)據(jù)庫中篩選出質(zhì)量較高的藥物先導(dǎo)物來實現(xiàn)藥物設(shè)計成功效率的增加，因此，類藥性的概念應(yīng)運(yùn)而生，藥化學(xué)家們通過這一概念對分子結(jié)構(gòu)特征和性質(zhì)進(jìn)行研究，并總結(jié)出了類藥性預(yù)測指標(biāo)。另外，化合物的構(gòu)造活性關(guān)系研究也是藥物設(shè)計的重要方式之一，在發(fā)現(xiàn)和研究新的藥物的過程中，研究化合物活性與研究化合物類藥性同樣重要。在大多傳統(tǒng)的化合物活性研究中，通過動物活體測驗和檢測方式對化合物的藥物活性進(jìn)行測定，在海量化合物數(shù)據(jù)環(huán)

2、境下無疑要耗費大量時間及成本。而現(xiàn)代化合物活性研究對未知化合物的活性預(yù)測是通過使用數(shù)學(xué)方法建立定量構(gòu)效關(guān)系模型來實現(xiàn)的。隨著計算機(jī)數(shù)據(jù)挖掘技術(shù)的不斷發(fā)展，機(jī)器學(xué)習(xí)成為了計算機(jī)科學(xué)領(lǐng)域的一個活躍的研究方法，科學(xué)家們應(yīng)用機(jī)器學(xué)習(xí)方法提高藥物活性預(yù)測效率。然而，大多數(shù)已有研究方法使用的都是淺層機(jī)器學(xué)習(xí)算法，面對已知樣本和計算單元受到限制的情況下，其對復(fù)雜問題的泛化能力難以滿足要求，無法學(xué)習(xí)更有用的特征。并且這些研究樣本數(shù)據(jù)量普遍較小，準(zhǔn)確率較

3、低，在當(dāng)今海量化合物數(shù)據(jù)環(huán)境下實用性較差。
　　本文以海量化合物數(shù)據(jù)為對象，結(jié)合深度學(xué)習(xí)方法，建立了海量化合物類藥性及藥物活性預(yù)測模型，具體內(nèi)容包括以下兩個部分：
　　(1)海量化合物類藥性預(yù)測模型。第一部分結(jié)合化合物數(shù)據(jù)結(jié)構(gòu)，為實現(xiàn)海量化合物類藥性的快速預(yù)測建立了分布式計算模型，并在此模型基礎(chǔ)上，根據(jù)類藥性評價規(guī)則快速高效地篩選出具有類藥性的化合物。模型使用了基于分治策略的分段哈希算法，并設(shè)計了連續(xù)屬性離散化方法，針對不適

4、于用哈希檢索的連續(xù)數(shù)值型數(shù)據(jù)進(jìn)行離散化處理。
　　(2)海量化合物藥物活性預(yù)測模型。第二部分對淺層機(jī)器學(xué)習(xí)方法和深度機(jī)器學(xué)習(xí)方法進(jìn)行介紹，并介紹它們的特點。然后以分子描述符為特征，分別使用不同的學(xué)習(xí)方法建立了海量化合物的藥物活性預(yù)測模型并對兩種學(xué)習(xí)方法進(jìn)行對比。
　　實驗結(jié)果表明，本文采用的深度學(xué)習(xí)模型適用于海量化合物類藥性及藥物活性預(yù)測，可快速有效地篩選類藥化合物并預(yù)測其藥物活性。模型具有穩(wěn)定的可擴(kuò)展性和高效性，其正確性也