化学学报
化學學報
화학학보
ACTA CHIMICA SINICA
2007年
3期
197-202
,共6页
饶含兵%李泽荣%陈晓梅%李象远
饒含兵%李澤榮%陳曉梅%李象遠
요함병%리택영%진효매%리상원
蛋白酶抑制剂%分子描述符%机器学习方法%变量筛选
蛋白酶抑製劑%分子描述符%機器學習方法%變量篩選
단백매억제제%분자묘술부%궤기학습방법%변량사선
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%.
為瞭預測人體免疫缺陷蛋白酶抑製劑的活性,計算瞭錶徵分子的組成和拓撲特徵的462箇分子描述符,用Kennard-Stone方法和隨機方法進行瞭訓練集和測試集設計,用Monte Carlo模擬退火方法進行變量篩選,併分彆用神經網絡,邏輯迴歸,k-近鄰和支持嚮量學習機方法建立瞭HIV-1蛋白酶的抑製劑模型.結果錶明支持嚮量學習機優于其餘機器學習方法,用SVM方法所建立的最優模型的最後預測正確率達到98.24%.
위료예측인체면역결함단백매억제제적활성,계산료표정분자적조성화탁복특정적462개분자묘술부,용Kennard-Stone방법화수궤방법진행료훈련집화측시집설계,용Monte Carlo모의퇴화방법진행변량사선,병분별용신경망락,라집회귀,k-근린화지지향량학습궤방법건립료HIV-1단백매적억제제모형.결과표명지지향량학습궤우우기여궤기학습방법,용SVM방법소건립적최우모형적최후예측정학솔체도98.24%.