基于机器学习方法预测CDK4的抑制剂

• 作者: 何冰 张小玲 李秉轲 樊小青 王林 陶俊宇
• 来源期刊: 化学研究与应用
• 学科: 化学
• 关键词: 周期蛋白依赖性激酶4 机器学习方法 抑制剂 随机森林
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 研究论文
• 页码范围: 572-576
• 页数: 5页
• 分类号: O629.8
• 字数: 2397字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1656.2018.04.018

摘要

最近的研究已经证实,以周期蛋白依赖性激酶4(cyclin-dependent kinase 4,CDK4)为靶点,通过CDK4的抑制剂重新建立细胞周期的调控在肿瘤靶向治疗的发展中已经成为有吸引力的方向.本文测试了三种机器学习方法,k最近邻、C4.5决策树和随机森林(random forest,RF),用于预测CDK4的抑制剂.所建这些模型都达到了令人满意的预测效果.其中,RF模型当参数 Mtry=13、jbt=255时对应的总预测精度最大,为96.65%.同时,与CDK4抑制剂最相关的25个分子描述符也被最优的RF模型挑选了出来.本文的研究表明,机器学习方法特别是RF方法,对于发现潜在的CDK4抑制剂十分有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何冰	成都师范学院化学与生命科学学院功能分子研究所	20	29	3.0	4.0
2	张小玲	成都师范学院化学与生命科学学院功能分子研究所	18	13	2.0	2.0
3	李秉轲	成都师范学院化学与生命科学学院功能分子研究所	9	8	2.0	2.0
4	陶俊宇	成都师范学院化学与生命科学学院功能分子研究所	2	0	0.0	0.0
5	樊小青	成都师范学院化学与生命科学学院功能分子研究所	2	0	0.0	0.0
6	王林	成都师范学院化学与生命科学学院功能分子研究所	2	0	0.0	0.0