高等学校化学学报
高等學校化學學報
고등학교화학학보
CHEMICAL JOURNAL OF CHINESE UNIVERSITIES
2007年
11期
2171-2178
,共8页
陈晓梅%饶含兵%黄文丽%李泽荣
陳曉梅%饒含兵%黃文麗%李澤榮
진효매%요함병%황문려%리택영
二氢叶酸还原酶抑制剂%支持向量学习机%分子描述符
二氫葉痠還原酶抑製劑%支持嚮量學習機%分子描述符
이경협산환원매억제제%지지향량학습궤%분자묘술부
分别采用支持向量学习机、人工神经网络、调节性逻辑回归和K-最临近等机器学习方法对761个二氢叶酸还原酶抑制剂建立了其活性分类预测模型. 采用组成描述符和拓扑描述符表征抑制剂的分子结构及物理化学性质,使用Kennard-Stone方法进行训练集的设计,并用Metropolis Monte Carlo模拟退火方法作变量选择. 结果表明,支持向量学习机优于其它机器学习方法,所得到的最优模型具有较好的预测结果,其预测正确率为91.62%. 说明通过合适的训练集设计及变量选择,支持向量学习机方法可以很好地用于二氢叶酸还原酶抑制剂的活性分类预测.
分彆採用支持嚮量學習機、人工神經網絡、調節性邏輯迴歸和K-最臨近等機器學習方法對761箇二氫葉痠還原酶抑製劑建立瞭其活性分類預測模型. 採用組成描述符和拓撲描述符錶徵抑製劑的分子結構及物理化學性質,使用Kennard-Stone方法進行訓練集的設計,併用Metropolis Monte Carlo模擬退火方法作變量選擇. 結果錶明,支持嚮量學習機優于其它機器學習方法,所得到的最優模型具有較好的預測結果,其預測正確率為91.62%. 說明通過閤適的訓練集設計及變量選擇,支持嚮量學習機方法可以很好地用于二氫葉痠還原酶抑製劑的活性分類預測.
분별채용지지향량학습궤、인공신경망락、조절성라집회귀화K-최림근등궤기학습방법대761개이경협산환원매억제제건립료기활성분류예측모형. 채용조성묘술부화탁복묘술부표정억제제적분자결구급물이화학성질,사용Kennard-Stone방법진행훈련집적설계,병용Metropolis Monte Carlo모의퇴화방법작변량선택. 결과표명,지지향량학습궤우우기타궤기학습방법,소득도적최우모형구유교호적예측결과,기예측정학솔위91.62%. 설명통과합괄적훈련집설계급변량선택,지지향량학습궤방법가이흔호지용우이경협산환원매억제제적활성분류예측.