期刊文献+
共找到11篇文章
< 1 >
每页显示 20 50 100
用于有机化学品生物活性预测的人工神经网络 被引量:7
1
作者 王鹏 陈春云 +1 位作者 郭晓燕 杨威 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 1999年第1期101-103,106,共4页
对人工神经网络用于化学品生物活性预测中遇到的技术问题进行了系统的研究,提出了防止网络训练过拟合及局部最小的方法,对影响网络收敛的各技术参数的选择进行了探讨.确定的人工神经网络计算软件用于实际有机化学品生物活性预测,效... 对人工神经网络用于化学品生物活性预测中遇到的技术问题进行了系统的研究,提出了防止网络训练过拟合及局部最小的方法,对影响网络收敛的各技术参数的选择进行了探讨.确定的人工神经网络计算软件用于实际有机化学品生物活性预测,效果优于文献报道结果. 展开更多
关键词 神经网络 生物活性预测 QSAR 有机化学品
下载PDF
应用径向基函数网络预测有机化合物的生物活性 被引量:2
2
作者 戴勇 卢颖 +1 位作者 张爱茜 韩朔睽 《环境科学》 EI CAS CSCD 北大核心 2000年第4期11-15,共5页
为了构建径向基函数 ( RBF)神经网络模型 ,研究一批取代芳香族化合物结构与其大型蚤生物活性参数 log( 1 /EC50 )的关系 ,利用正交最小平方算法逐一选择非线性高斯函数的中心 ,并将归一化参数 σ和容差 ρ作为网络的系统参数 ,通过广程... 为了构建径向基函数 ( RBF)神经网络模型 ,研究一批取代芳香族化合物结构与其大型蚤生物活性参数 log( 1 /EC50 )的关系 ,利用正交最小平方算法逐一选择非线性高斯函数的中心 ,并将归一化参数 σ和容差 ρ作为网络的系统参数 ,通过广程扫描确定其最佳值 .采用种子聚类分析与简单随机抽样相结合的方法将化合物合理地划分为训练集和预测集 .对构建的 RBF网络模型的预测质量进行了不确定性分析 .与回归模型相比 ,RBF网络具有较好的预测性能 ,模型预测的不确定性降低了 30 % . 展开更多
关键词 径向基函数网络 生物活性预测 有机化合物
下载PDF
基于机器学习的抗乳腺癌候选药物筛选模型优化 被引量:1
3
作者 庞国庆 严沛鑫 周康乔 《南通职业大学学报》 2023年第2期67-72,104,共7页
雌激素受体α亚型(Estrogen receptors alpha,ERα)被认为是治疗乳腺癌的重要靶标,对于治疗乳腺癌非常关键。为准确找出能抑制ERα活性的化合物,以504个分子描述符作为研究变量,采用Spearman相关系数、最大互信息系数和随机森林特征选... 雌激素受体α亚型(Estrogen receptors alpha,ERα)被认为是治疗乳腺癌的重要靶标,对于治疗乳腺癌非常关键。为准确找出能抑制ERα活性的化合物,以504个分子描述符作为研究变量,采用Spearman相关系数、最大互信息系数和随机森林特征选择三种方法,分别筛选出排名前30的分子描述符,综合三种方法的结果,使用基于秩的变量选择算法选出前20个对生物活性最具显著影响的分子描述符,并分别建立岭回归和随机森林非线性回归模型对其进行比较。结果表明,随机森林模型方法的预测效果更好,可用于化合物对ERα生物活性值的预测。 展开更多
关键词 乳腺癌 药物筛选 分子描述符 生物活性预测 Spearman相关系数 最大互信息系数 随机森林 岭回归
下载PDF
抗癌候选药物ERα抑制剂活性预测 被引量:3
4
作者 夏玉兰 谢济铭 +3 位作者 王雅婧 卢梦媛 王锦锐 秦雅琴 《深圳大学学报(理工版)》 CAS CSCD 北大核心 2022年第5期529-537,共9页
乳腺癌是目前威胁全球女性健康最常见的恶性肿瘤.本研究通过统计分析并采用随机森林方法,确定了雌激素受体α亚型(estrogen receptor alpha subtype,ERα)在乳腺的发育过程中起着重要的作用,被视为乳腺癌治疗的重要靶标,拮抗ERα活性的... 乳腺癌是目前威胁全球女性健康最常见的恶性肿瘤.本研究通过统计分析并采用随机森林方法,确定了雌激素受体α亚型(estrogen receptor alpha subtype,ERα)在乳腺的发育过程中起着重要的作用,被视为乳腺癌治疗的重要靶标,拮抗ERα活性的化合物可作为乳腺癌治疗的候选药物.为有效预测小样本、多特征条件下的乳腺癌治疗靶标ERα的化合物生物活性,提出一种抗乳腺癌药物定量结构-活性关系的集成机器学习预测模型,称为Mul-BHO-Bi-LSTM(multivariate-Bayesian hyperparametric optimization bi-directional long short-term memory)模型.对1974个化合物的729个分子描述符信息进行描述性统计和多重共线性诊断,采用随机森林方法,筛选20个显著变量的重要性评分大于0.01的变量.构建基于卷积神经网络的二维特征矩阵,采用贝叶斯超参数优化方法,对双向长短期记忆(bi-directional long short-term memory,Bi-LSTM)模型进行超参数寻优.对模型的预测效果进行分析和评价,结果显示,相比梯度提升决策树(gradient boosting decision tree,GBDT)集成学习方法,Mul-BHO-Bi-LSTM模型的预测效果较优,模型误差相关指标均方误差、归一化均方根误差、误差平均值、误差标准差均小于0.15,关联指标R2和r达0.99以上,表明Mul-BHO-Bi-LSTM的集成机器学习预测模型具有较好鲁棒性和泛化性.该预测模型可为抗乳腺癌药物的筛选与设计提供方法. 展开更多
关键词 计算机应用 集成学习 生物活性预测 特征筛选 超参数优化 随机森林
下载PDF
多特性融合图卷积方法的分子生物活性预测 被引量:2
5
作者 谭露露 张鑫鑫 周银座 《电子科技大学学报》 EI CAS CSCD 北大核心 2021年第6期921-929,共9页
药物开发周期长且耗资大,使用计算机药物筛选方法辅助筛选先导化合物的方式可有效提升其效率。该文基于注意力机制提出一种新的特征融合方案——多特性融合方案,并结合现有的基于边注意的图卷积网络,对从公共化学数据库PubChem中筛选的... 药物开发周期长且耗资大,使用计算机药物筛选方法辅助筛选先导化合物的方式可有效提升其效率。该文基于注意力机制提出一种新的特征融合方案——多特性融合方案,并结合现有的基于边注意的图卷积网络,对从公共化学数据库PubChem中筛选的不同种类的生物活性数据集进行生物活性预测。通过直接学习分子图特征,避免了人工计算特征带来的不稳定性及不可靠性;并且基于注意力的多特性融合方案使得模型可以自适应融合多个边属性特征。经验证,该方法比其他机器学习方法能更准确地预测分子的生物活性。 展开更多
关键词 图卷积 特征融合 边缘注意 生物活性预测
下载PDF
基于嵌入式特征选择算法下的抗乳腺癌药物分子活性预测 被引量:1
6
作者 叶丹 胡二琴 《电脑知识与技术》 2022年第34期8-10,共3页
文章提出在嵌入式特征选择算法背景下,通过对比正则化模型和树模型两种筛选方法下的重要性权重选取出对生物活性最具有显著影响的20个分子描述符,并分别建立预测模型。结果表明树模型下的随机森林方法真实值与预测值相对平均误为0.0167... 文章提出在嵌入式特征选择算法背景下,通过对比正则化模型和树模型两种筛选方法下的重要性权重选取出对生物活性最具有显著影响的20个分子描述符,并分别建立预测模型。结果表明树模型下的随机森林方法真实值与预测值相对平均误为0.0167,相较于正则化方法和树模型方法下的梯度提升决策树更优,证实基于该方法下筛选的模型具有预测误差小、预测精度更高的优点。 展开更多
关键词 抗乳腺癌 嵌入式特征选择 重要性权重选择特征 生物活性预测
下载PDF
HBe(385-420)-ecdCD40L真核表达载体的构建及其融合蛋白生物活性预测 被引量:1
7
作者 张欢 吴金明 +1 位作者 陈娟 方红龙 《温州医学院学报》 CAS 2012年第2期146-150,共5页
目的:构建HBe(385-420)-ecdCD40L融合基因真核表达载体,探讨其所翻译的融合蛋白设计的合理性。方法:采用分子生物学技术将HBe(385-420)基因与CD40L胞外段(ecd)基因进行融合,构建融合基因的真核表达载体;应用生物信息学初步分析融合蛋白... 目的:构建HBe(385-420)-ecdCD40L融合基因真核表达载体,探讨其所翻译的融合蛋白设计的合理性。方法:采用分子生物学技术将HBe(385-420)基因与CD40L胞外段(ecd)基因进行融合,构建融合基因的真核表达载体;应用生物信息学初步分析融合蛋白的物理化学性质、柔性、抗原性、亲水性、表位以及二级结构等。结果:成功构建真核表达载体。通过分析,HBe(385-420)、ecdCD40L两个基因连接之后亲水性和疏水性未受影响,融合蛋白未出现新的抗原性及表位,连接链(Linker)不影响蛋白质的二级结构及融合蛋白的空间构象。结论:从生物软件分析结果可知重组体设计较合理,融合蛋白保留了HBe(385-420)和CD40L胞外段的生物学活性,为进一步研究该基因奠定了基础。 展开更多
关键词 乙型肝炎病毒e抗原(HBe) CD40-配体(CD40L) 生物活性预测
下载PDF
Computational Calculations of Molecular Properties and Molecular Docking of New and Reference Cephalosporins on Penicillin Binding Proteins and Various β-Lactamases
8
作者 Shakir Mahmood Alwan 《Journal of Pharmacy and Pharmacology》 2016年第5期212-224,共13页
An approach of using molinspiration calculations and molecular docking on PBPs (penicillin-binding proteins) and certain β-lactamases is employed to predict the molecular properties, bioactivity and resistance of n... An approach of using molinspiration calculations and molecular docking on PBPs (penicillin-binding proteins) and certain β-lactamases is employed to predict the molecular properties, bioactivity and resistance of newer and reference cephalosporins. The previously synthesized cephalosporins 1-8 and reference cephalosporins were subjected to extensive evaluations by calculating the molecular properties, drug-likeness scores on the bases of Lipinski's rule and bioactivity prediction using the method of molinspiration web-based software. The TPSA (topological polar surface area), OH-NH interactions, n-violation and the molinspiration Log partition coefficient (miLogP) values were also calculated. The investigated cephalosporins were subjected to molecular docking study on PBPs (lpyy) and on β-lactamases produced by S. aureus, K. pneumonia, E. coil and P. auroginosa using 1-click-docking website. Molecular properties of 1-8 recorded higher "FPSA than cephalexin and were lower than the reference cephalosporins and do not fulfill the requirements for Lipinski's rule. Bioactivities of 1-8 were predicted to be less and their docking scores on PBPs were comparable to those of the reference cephalosporins, particularly ceftobiprole. The references recorded various docking scores on the above β-lactamases and as expected, cefiobiprole recorded the lowest scores on all β-lactarnases. Cephalosporins 1-8 recorded various docking scores on β-lactamases. Molecular docking studies on PBPs and β-lactamases are considered as very useful, reliable and practical approach for predicting the bioactivity scores and to afford some information about the stability and selectivity of the newly proposed cephalosporins against β-lactamases of certain pathogenic microbes, such as P. auroginosa and MRSA, by recording the relative docking scores in comparison with those of reference cephalosporins. 展开更多
关键词 CEPHALOSPORINS Molinspiration Molecular docking Β-LACTAMASES Lipinski's rule.
下载PDF
小鼠模型疫苗HBV S-ecdCD40L表达载体的构建及其融合蛋白生物活性预测
9
作者 徐英 吴金明 +2 位作者 吴文治 蓝松松 吴乐灿 《医学研究杂志》 2013年第12期67-70,共4页
目的制备小鼠模型疫苗HBV S-ecdCD40L融合基因表达载体并采用软件预测其所表达蛋白的合理性及生物活性。方法首先从质粒中扩增HBV S基因,并从小鼠淋巴细胞中扩增CD40L胞外段(extracellular domain,ECD)基因。然后通过RT-PCR法将其串联... 目的制备小鼠模型疫苗HBV S-ecdCD40L融合基因表达载体并采用软件预测其所表达蛋白的合理性及生物活性。方法首先从质粒中扩增HBV S基因,并从小鼠淋巴细胞中扩增CD40L胞外段(extracellular domain,ECD)基因。然后通过RT-PCR法将其串联并与载体相连接,完成构建后采用软件分析其所表达蛋白是否与预期一致。结果构建小鼠模型表达载体并通过软件分析HBV S、ecdCD40L两个基因连接之后其蛋白的疏水性和亲水性无改变,也没有出现新的表位。连接链(linker)不影响融合蛋白的二级结构。结论该载体的设计符合预期,其表达的融合蛋白保留了HBV S和小鼠CD40L胞外段的生物学活性,为进一步研究奠定了基础。 展开更多
关键词 乙型肝炎病毒表面抗原S基因 小鼠CD40-配体胞外段 生物活性预测
下载PDF
基于随机森林回归的乳腺癌抗药生物活性预测
10
作者 龙荣进 袁松 +2 位作者 杨丽鑫 王飞云 周洁 《运筹与模糊学》 2023年第2期778-788,共11页
在药物研发中,雌激素受体α亚型(Estrogen receptors alpha, ERα)被认为是治疗乳腺癌的重要靶标,能拮抗ERα活性的化合物可能是治疗乳腺癌的候选药物。因此本文旨在以生物活性值pIC50作为因变量,作用于ERα靶标化合物的分子结构描述符... 在药物研发中,雌激素受体α亚型(Estrogen receptors alpha, ERα)被认为是治疗乳腺癌的重要靶标,能拮抗ERα活性的化合物可能是治疗乳腺癌的候选药物。因此本文旨在以生物活性值pIC50作为因变量,作用于ERα靶标化合物的分子结构描述符作为自变量,构建关于ERα靶标化合物的生物活性预测模型,进而挑选出有效的抗癌候选药物。首先采用方差过滤法、随机森林、XGBoost以及灰色关联分析对自变量进行筛选,得到MDEC-23等16个与pIC50相关性强,且变量间相关性弱的分子结构描述符。其次建立随机森林回归生物活性预测模型,将预测结果与支持向量回归、梯度提升回归树、XGBoost模型和MLP回归模型预测结果进行对比分析,结果表明随机森林回归模型能更好地拟合数据,在R2、MAE、MSE上优于其它模型,更适应于对生物活性pIC50值的预测,同时也表明筛选出的分子结构描述符在一定程度上能治疗乳腺癌。 展开更多
关键词 生物活性预测模型 灰色关联 随机森林回归
下载PDF
抗乳腺癌候选药物的优化建模
11
作者 夏珏武 王琦瑗 王灿 《应用数学进展》 2023年第6期3098-3111,共14页
乳腺癌是一种致死率较高的癌症。人体的乳腺上皮细胞在多种致癌因子的共同作用下发生增殖失控而形成癌变。本文针对提供的ERα拮抗剂信息,通过建立化合物生物活性的定量预测模型和ADMET性质的分类预测模型,为同时优化ERα拮抗剂的生物... 乳腺癌是一种致死率较高的癌症。人体的乳腺上皮细胞在多种致癌因子的共同作用下发生增殖失控而形成癌变。本文针对提供的ERα拮抗剂信息,通过建立化合物生物活性的定量预测模型和ADMET性质的分类预测模型,为同时优化ERα拮抗剂的生物活性和ADMET性质提供预测服务。首先利用随机森林算法评价变量重要度大小筛选出贡献度排名前60的分子描述符;然后通过高相关性变量去耦合,对前60个分子描述符进行高相关性滤波处理,从而得到前20个对生物活性最具有显著影响的分子描述符;最后基于高相关度变量滤波算法保证了降维后分子描述符之间的独立性,对分子描述符之间的相关程度进行可视化,从而验证了其合理性。其次,在通过尝试构建多元线性回归方程解决此题时,发现时序残差图的异常点较多后,我们构建了多元非线性回归模型。首先利用python对变量进行标准化操作,得到标准化指标;其次利用问题一得到的前20个分子描述符作为自变量,通过对一些数值较大的变量取自然对数,建立了用于预测生物活性的多元非线性回归模型。最后找出影响ADMET性质的前10个分子描述符,并分别对各分子描述符之间的相关程度进行可视化;其次利用全连接单层神经网络优秀的非线性映射能力构建5个化合物的分类预测模型,并通过各个化合物的分类预测模型的交叉熵损失图说明了模型有着较高的准确度。 展开更多
关键词 随机森林 多元非线性回归方程 生物活性定量预测模型 神经网络 博弈论
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部