QSPR-QSAR中分子結(jié)構(gòu)信息的挖掘和建模中奇異樣本檢測(cè).pdf

1、面對(duì)海量的數(shù)據(jù)以及科學(xué)家們對(duì)化學(xué)知識(shí)規(guī)律的不斷需求，產(chǎn)生了化學(xué)信息學(xué)這一門新的學(xué)科?；瘜W(xué)信息學(xué)利用信息學(xué)的方法來(lái)解決化學(xué)的問(wèn)題，得到有關(guān)化學(xué)本質(zhì)規(guī)律的認(rèn)識(shí)?；瘜W(xué)信息學(xué)的一個(gè)重要目的是得到專家知識(shí)來(lái)解釋所觀測(cè)到的化學(xué)現(xiàn)象，但是往往這些知識(shí)隱含在大量的數(shù)據(jù)中，這就需要發(fā)展一些新思想和新方法挖掘出這些蘊(yùn)藏的知識(shí)。 針對(duì)化合物熔點(diǎn)性質(zhì)和生物活性，本文從下面幾個(gè)方面展開了QSPR/QSAR的研究工作： 1.提出了通過(guò)投影尋蹤的方法

2、來(lái)探索分子拓?fù)渲笖?shù)數(shù)據(jù)內(nèi)部所含有的分子的結(jié)構(gòu)信息的方法。分子拓?fù)渲笖?shù)編碼了分子結(jié)構(gòu)的不同信息，可以綜合反映分子不同的理化性質(zhì)。本文通過(guò)投影尋蹤的技術(shù)形象地描述了四類拓?fù)渲笖?shù)所暗含的分子結(jié)構(gòu)信息，投影尋蹤是一種可以將高維數(shù)據(jù)映射到低維空間以便于觀察和分析的數(shù)值優(yōu)化技術(shù)。結(jié)果表明：四類拓?fù)渲笖?shù)分別編碼了分子的不同結(jié)構(gòu)信息，所編碼的信息有部分的重疊，通過(guò)塊變量子空間比較法可以定量化各塊拓?fù)渲笖?shù)的重疊性。 2.用不同的模型建立了有機(jī)化合

3、物描述符和其粘度的關(guān)系，線性模型包括偏最小二乘法（PLS）和主成分回歸（PCR），非線性模型包括徑向基神經(jīng)網(wǎng)絡(luò)（RBF）和支持向量機(jī)回歸（SVR）.研究結(jié)果表明：各種不同的模型都可以很好的建立粘度與其描述符的定量關(guān)系，支持向量機(jī)回歸可以達(dá)到更小的預(yù)測(cè)誤差。 3.藥物水溶性在藥物研發(fā)中發(fā)揮著重要的作用。在這個(gè)研究中，三種化學(xué)計(jì)量學(xué)方法-偏最小二乘，支持向量回歸和反饋神經(jīng)網(wǎng)絡(luò)被用來(lái)建立水溶性的QSPR模型。33個(gè)分子描述符用DRAG

4、ON軟件計(jì)算得到。結(jié)果顯示三個(gè)模型均能夠提供好的預(yù)測(cè)能力，在三種方法中，支持向量回歸結(jié)果要稍微好于其它兩種方法。最好的支持向量回歸模型的評(píng)價(jià)指標(biāo)分別為：（訓(xùn)練集）R2＝0.851，RMSEF=0.542；（驗(yàn)證集）Q2=0.810，RMSECV＝0.611.預(yù)測(cè)結(jié)果較好的一致于藥物水溶性的實(shí)驗(yàn)值。 4.建立一個(gè)好的QSAR/QSPR模型的關(guān)鍵步驟是模型中奇異樣本的檢測(cè)。高維數(shù)據(jù)奇異樣本的檢測(cè)是非常困難的，特別是當(dāng)多個(gè)奇異樣本共存

5、于模型時(shí)。經(jīng)典的鑒別方法并不總能檢測(cè)到它們，因?yàn)檫@些方法均是建立在樣本均值和協(xié)方差陣的基礎(chǔ)之上的，它們自身很容易受到奇異點(diǎn)的影響。此外，現(xiàn)存的方法很多是僅僅強(qiáng)調(diào)于某種奇異點(diǎn)而非所有的。為了克服上面的問(wèn)題，并且能夠同時(shí)檢測(cè)所有類型的奇異樣本，我們提出了一個(gè)新的基于蒙特卡羅交互檢驗(yàn)檢測(cè)奇異樣本的新策略。這個(gè)蒙特卡羅方法借助于多個(gè)模型的建立本質(zhì)上提供了一種可行的方式去檢測(cè)奇異樣本。借助于獲得的預(yù)測(cè)殘基的分布，它能夠降低掩蔽效應(yīng)帶來(lái)的風(fēng)險(xiǎn)。此外