机器学习方法用于激素敏感脂肪酶抑制剂活性预测

• 作者: 何桦 李泽荣 杨国兵 陈彬 饶含兵
• 来源期刊: 化学研究与应用
• 学科: 化学
• 关键词: 激素敏感脂肪酶抑制剂 机器学习方法 变量筛选
• 年，卷（期）: 2011,（12）
• 所属期刊栏目: 研究论文
• 页码范围: 1577-1584
• 分类号: O64
• 字数: 492字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1656.2011.12.001

摘要

对激素敏感脂肪酶,我们构建了表征分子组成、电荷、拓扑、几何结构及物理化学性质等特征的1559个描述符,通过Fischer Score排序过滤和Monte Carlo模拟退火法相结合进行变量筛选得到35个描述符,然后分别用支持向量学习机(SVM)、人工神经网络(ANN),k-近邻(k-NN),连续核密度估计(CKD)和逻辑回归(LR)等机器学习方法建立了激素敏感脂肪酶抑制剂的分类预测模型.对于训练集的200个样本,通过五重交叉验证,各机器学习方法对正样本,负样本和总样本的平均预测精度分别在78.0％-94.0％,69.0％-91.0％和73.5％-92.5％；通过y-scrambling方法验证SVM模型是否偶然相关,结果正样本,负样本和总样本的平均预测精度分别在60.0％-74.0％,58.0％-71.0％和61.0％-69.5％,明显低于实际所建模型的预测精度,表明所建模型不存在偶然相关；对52个没有参与建模的外部独立测试样本,各机器学习方法对正样本,负样本和总样本的预测精度分别在84.6％-92.3％,88.5％-92.3％和86.5％-92.3％.所建模型中,SVM,CKD和LR较好,且明显高于其他文献报道结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	饶含兵	四川农业大学生命科学与理学院	7	35	3.0	5.0
2	陈彬	四川农业大学生命科学与理学院	1	1	1.0	1.0
3	何桦	四川农业大学动物遗传育种研究所	12	21	3.0	4.0
4	杨国兵	四川大学化学工程学院	2	5	1.0	2.0
5	李泽荣	四川大学化学学院	25	134	7.0	10.0