支持向量機(jī)算法在有機(jī)化合物構(gòu)效關(guān)系中的應(yīng)用.pdf

1、藥物構(gòu)效關(guān)系研究是當(dāng)今制藥領(lǐng)域的一項重要課題，在現(xiàn)代藥物設(shè)計方法中具有非常重要的地位。定量構(gòu)效關(guān)系(QSAR，quatitatives structure-activity relationships)研究的目的是采用數(shù)理統(tǒng)計的方法來研究和揭示化合物活性與其分子結(jié)構(gòu)的關(guān)系，為藥物的開發(fā)提供了嶄新的思路，從而提高了開發(fā)效率。支持向量機(jī)是一種有效的人工智能學(xué)習(xí)算法，在有機(jī)化合物及藥物構(gòu)效關(guān)系的研究上，顯示了其具有較高的分類和預(yù)測準(zhǔn)確率。

2、 本論文第一部分主要對烷基苯的幾個重要物理化學(xué)性質(zhì)，包括熱容(C<,p>)、焓值(△H<,f><'0>)和燃燒熱(H<,C>)進(jìn)行了預(yù)測，并建立了相關(guān)的定量預(yù)測模型。由于每一個烷基苯在苯環(huán)上都有六個位置可以取代，所以我們利用含有六個數(shù)字編碼的方法來描述烷基苯的結(jié)構(gòu)。通過多元線性回歸(MLR)、多元非線性回歸(NLMR)和支持向量機(jī)(SVM)的方法來建立預(yù)測這些性質(zhì)的定量構(gòu)效關(guān)系模型。這些模型顯示出了很好的預(yù)測能力，所有模型的相關(guān)系數(shù)

3、(R)都在0.97以上。對于熱容模型的三種模型，均方根誤差(RMS)均小于12，平均絕對誤差(MAE)均小于8；對于焓值的三種模型，均方根誤差小于9，平均絕對誤差小于8；對于燃燒熱的三種模型，均方根誤差小于150，平均絕對誤差小于130。三種建模方法中，支持向量機(jī)模型不論在烷基苯熱容、焓值還是燃燒熱的建模中，都優(yōu)于其它兩種建模方法。 本論文的第二部分，針對1293個有機(jī)化合物的水溶解度值建立了分類和定量構(gòu)效關(guān)系模型。有機(jī)化合物的

4、水溶解度是一個重要的ADME性質(zhì)，它可以決定化合物的生物利用度和生物活性，從而決定該化合物成為藥物的可能性。能否根據(jù)人為設(shè)定的大致溶解度范圍對其進(jìn)行分類，對于藥物的初步篩選具有重要的參考價值。在此基礎(chǔ)上，較為準(zhǔn)確的預(yù)測有機(jī)化合物的水溶解度對于備選藥物的深入研究具有極其重要的意義。采用18個拓?fù)涿枋龇麃砻枋?293個化合物的分子結(jié)構(gòu)。首先建立了1293個有機(jī)化合物的支持向量機(jī)分類模型，按照前人提出的大部分藥物的溶解度標(biāo)準(zhǔn)，將這些有機(jī)化合物

5、按照水溶解度的大小分成三類，得到了92.2％的分類準(zhǔn)確率。在此基礎(chǔ)上，進(jìn)行了水溶解度的定量研究，以上述18個描述符作為輸入，水溶解度作為輸出，建立支持向量機(jī)預(yù)測模型，得到的結(jié)果為相關(guān)系數(shù)平方(r<'2>)是0.95，標(biāo)準(zhǔn)偏差(sd)為0.50。 總之，我們對上述化合物的定量和定性研究，對于未知化合物相應(yīng)性質(zhì)的分類和預(yù)測，更進(jìn)一步地對于藥物的篩選或者新藥的合成都具有重要的參考價值。本文用支持向量機(jī)這種重要的建模方法建立了以上模型，