机器学习预测ACEI的比较与分析

• 作者: 丁彦蕊 胡明伟
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 血管紧张素转换酶抑制剂(ACEI) 分子对接 机器学习 支持向量机
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 热点与综述
• 页码范围: 11-16
• 页数: 6页
• 分类号: TP399
• 字数: 4829字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1612-0111

摘要

血管紧张素转换酶抑制剂(ACEI)对高血压的治疗具有重要意义.基于从结构复杂的化合物数据库中构建的候选小分子数据集,采用分子对接技术从数据集中筛选出样本构建分类模型.分别采用支持向量机、K近邻、决策树、随机森林和贝叶斯方法建立血管紧张素转换酶潜在抑制剂和非抑制剂的分类模型.经结果对比,支持向量机相比于其他方法有更高的预测率,其中模型总体预测率和相关系数分别为82.4%和0.653.研究表明,支持向量机方法对于虚拟筛选血管紧张素转换酶抑制剂具有良好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁彦蕊	江南大学数字媒体学院	51	266	9.0	14.0
5	胡明伟	江南大学物联网工程学院	1	3	1.0	1.0