计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2009年
12期
226-228,248
,共4页
白茹%滕奇志%杨晓敏%杨胜勇%向明礼
白茹%滕奇誌%楊曉敏%楊勝勇%嚮明禮
백여%등기지%양효민%양성용%향명례
支持向量机(SVM)%人血清白蛋白(HSA)%遗传算法(GA)%粒子群优化算法(PSO)%双线性网格搜索法(BGSM)
支持嚮量機(SVM)%人血清白蛋白(HSA)%遺傳算法(GA)%粒子群優化算法(PSO)%雙線性網格搜索法(BGSM)
지지향량궤(SVM)%인혈청백단백(HSA)%유전산법(GA)%입자군우화산법(PSO)%쌍선성망격수색법(BGSM)
为降低新药在临床实验的失败率,提高新药的ADME特性,在制药初期需考虑预测药物与HSA(人血清白蛋白)的结合能力,以提高预测正确率为目标并因此选取合适的制药成分.首先采用遗传算法对分子描述符进行筛选,然后利用支持向量机(SVM)模型预测药物与HSA的结合能力.针对支持向量机的分类精度和泛化能力取决于核函数参数选取的特点,提出了基于粒子群优化算法(PSO)的SVM核参数优化选择法.通过PSO自动获取SVM最佳核参数,并将结果同双线性网格搜索法比较,结果表明,建立的模型对药物与HSA之间的结合能力有较高的预测性,正确率达到86%.
為降低新藥在臨床實驗的失敗率,提高新藥的ADME特性,在製藥初期需攷慮預測藥物與HSA(人血清白蛋白)的結閤能力,以提高預測正確率為目標併因此選取閤適的製藥成分.首先採用遺傳算法對分子描述符進行篩選,然後利用支持嚮量機(SVM)模型預測藥物與HSA的結閤能力.針對支持嚮量機的分類精度和汎化能力取決于覈函數參數選取的特點,提齣瞭基于粒子群優化算法(PSO)的SVM覈參數優化選擇法.通過PSO自動穫取SVM最佳覈參數,併將結果同雙線性網格搜索法比較,結果錶明,建立的模型對藥物與HSA之間的結閤能力有較高的預測性,正確率達到86%.
위강저신약재림상실험적실패솔,제고신약적ADME특성,재제약초기수고필예측약물여HSA(인혈청백단백)적결합능력,이제고예측정학솔위목표병인차선취합괄적제약성분.수선채용유전산법대분자묘술부진행사선,연후이용지지향량궤(SVM)모형예측약물여HSA적결합능력.침대지지향량궤적분류정도화범화능력취결우핵함수삼수선취적특점,제출료기우입자군우화산법(PSO)적SVM핵삼수우화선택법.통과PSO자동획취SVM최가핵삼수,병장결과동쌍선성망격수색법비교,결과표명,건립적모형대약물여HSA지간적결합능력유교고적예측성,정학솔체도86%.
