基于支持向量学习机的HIV-1蛋白酶抑制剂的活性预测

• 作者: 李泽荣 李象远 陈晓梅 饶含兵
• 来源期刊: 化学学报
• 学科: 化学
• 关键词: 蛋白酶抑制剂 分子描述符 机器学习方法 变量筛选
• 年，卷（期）: 2007,（3）
• 所属期刊栏目: 研究论文
• 页码范围: 197-202
• 页数: 6页
• 分类号: O6
• 字数: 4580字
• 语种: 中文
• DOI: 10.3321/j.issn:0567-7351.2007.03.004

摘要

为了预测人体免疫缺陷蛋白酶抑制剂的活性,计算了表征分子的组成和拓扑特征的462个分子描述符,用Kennard-Stone方法和随机方法进行了训练集和测试集设计,用Monte Carlo模拟退火方法进行变量筛选,并分别用神经网络,逻辑回归,k-近邻和支持向量学习机方法建立了HIV-1蛋白酶的抑制剂模型.结果表明支持向量学习机优于其余机器学习方法,用SVM方法所建立的最优模型的最后预测正确率达到98.24%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李象远	四川大学化工学院	108	456	13.0	16.0
2	李泽荣	四川大学化学学院	25	134	7.0	10.0
3	陈晓梅	四川大学化学学院	10	151	7.0	10.0
4	饶含兵	四川大学化学学院	6	51	4.0	6.0