期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到7篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于随机森林的逻辑回归预测抗乳腺癌药物的ADMET性质 被引量：1
1
作者 张襄松 高秀秀 《内蒙古工业大学学报（自然科学版）》 2023年第6期481-487,共7页
药物的ADMET性质(即药代动力学性质和安全性)是影响药物研发成败的最主要因素。为提高抗乳腺癌候选药物的研发成功率并减少开发成本,针对抗乳腺癌药物ADMET性质预测,采用一种基于随机森林的逻辑回归模型。基于该模型对抗乳腺癌药物ADME... 药物的ADMET性质(即药代动力学性质和安全性)是影响药物研发成败的最主要因素。为提高抗乳腺癌候选药物的研发成功率并减少开发成本,针对抗乳腺癌药物ADMET性质预测,采用一种基于随机森林的逻辑回归模型。基于该模型对抗乳腺癌药物ADMET性质进行预测,并进行对比验证。结果表明,该方法对抗乳腺癌药物ADMET性质预测的准确率较高且性能良好,为优化抗乳腺癌药物ADMET性质的预测提供了新的方案。 展开更多
关键词 ADMET性质 随机森林 逻辑回归 抗乳腺癌药物
下载PDF
基于随机森林的抗乳腺癌候选药物的优化
2
作者 汤仕星 曾莹 《湖北工业大学学报》 2023年第1期111-115,120,共6页
充分利用药物大数据平台和临床资源,运用数据分析方法预测抗乳腺癌候选药物的ADMET性质和抗乳腺癌活性,为实验室研制抗乳腺癌新药过程提供参考方向。针对1974种化合物的分子描述符变量数据,分别构建以ADMET性质和pIC 50值为因变量的随... 充分利用药物大数据平台和临床资源,运用数据分析方法预测抗乳腺癌候选药物的ADMET性质和抗乳腺癌活性,为实验室研制抗乳腺癌新药过程提供参考方向。针对1974种化合物的分子描述符变量数据,分别构建以ADMET性质和pIC 50值为因变量的随机森林预测模型,模型的预测精度分别为88.7%和91.3%。基于随机森林模型求得的重要影响因子贡献率确定出4个变化显著的共同重要影响因子的取值范围,分别为MLFER_BH(0.56,2.65)、MLFER_S(1.30,4.41)、WTPT-5(0.00,10.01)和SdssC(-1.92,2.76),对实现抗乳腺癌药物的优化具有指导意义。 展开更多
关键词 抗乳腺癌药物 抗乳腺癌活性 ADMET性质 相关性检验 随机森林
下载PDF
基于机器学习的抗乳腺癌候选药物的分类预测
3
作者 常小改 冯爱芬 范静雅 《四川文理学院学报》 2023年第2期54-60,共7页
乳腺癌是目前世界上最常见致死率较高的癌症之一.通过选用机器学习中处理二分类预测问题的支持向量机(SVM)、K近邻算法(KNN)、随机森林(RF)、极端梯度提升(XGBoost)四种模型,运用每一种模型分别对给定的样本数据构建出化合物的ADMET(吸... 乳腺癌是目前世界上最常见致死率较高的癌症之一.通过选用机器学习中处理二分类预测问题的支持向量机(SVM)、K近邻算法(KNN)、随机森林(RF)、极端梯度提升(XGBoost)四种模型,运用每一种模型分别对给定的样本数据构建出化合物的ADMET(吸收Absorption,分配Distribution,代谢Metabolism,排泄Excretion和毒性Toxicity)五个指标的分类预测模型,对比选择出五个指标的预测准确率均在84%以上的XGBoost模型,最后对给定的化合物进行预测并得出化合物所对应的ADMET性质.结果表明,利用XGBoost模型进行分类预测的方法是有效的,对于抗乳腺癌药物的研发具有参考意义. 展开更多
关键词 极端梯度提升模型 抗乳腺癌药物 分类预测
下载PDF
基于Stacking融合模型的抗乳腺癌药物活性值预测
4
作者 石霞 《信息与电脑》 2022年第24期99-102,116,共5页
通过实验研发和筛选药物耗时费力,为了能快速有效筛选候选药物,利用随机森林算法(Random Forests,RF)、极限梯度提升算法(eXtreme Gradient Boosting,XGBoost)等筛选出20个最具显著影响的分子描述符,再构建Stacking融合模型,利用贝叶斯... 通过实验研发和筛选药物耗时费力,为了能快速有效筛选候选药物,利用随机森林算法(Random Forests,RF)、极限梯度提升算法(eXtreme Gradient Boosting,XGBoost)等筛选出20个最具显著影响的分子描述符,再构建Stacking融合模型,利用贝叶斯优化调参,预测化合物的生物活性值,模型拟合度为0.793 7,均方根误差为0.681 2。结果表明,该模型与单一机器学习算法相比,具有更好的预测性能,对抗乳腺癌药物的研发具有重要的指导意义。 展开更多
关键词 抗乳腺癌药物 生物活性 贝叶斯优化 Stacking融合模型
下载PDF
基于PSO-BP神经网络与PSO-SVM的抗乳腺癌药物性质预测 被引量：10
5
作者 许美贤 郑琰 +1 位作者 李炎举 吴伟豪 《南京信息工程大学学报（自然科学版）》 CAS 北大核心 2023年第1期51-65,共15页
通过实验筛选研发新药的过程非常缓慢且需耗费大量的人力物力,而利用计算机辅助预测药物的分子性质可极大地节省药物研发时间和成本.因此,为了能够使抗乳腺癌候选药物对抑制ERα具有良好的生物活性和ADMET性质,针对收集到的1 974种化合... 通过实验筛选研发新药的过程非常缓慢且需耗费大量的人力物力,而利用计算机辅助预测药物的分子性质可极大地节省药物研发时间和成本.因此,为了能够使抗乳腺癌候选药物对抑制ERα具有良好的生物活性和ADMET性质,针对收集到的1 974种化合物,首先利用随机森林分类器筛选出前20个对生物活性最具显著影响的分子描述符,并以此和pIC50值作为特征数据建立QSAR模型.其次,基于PSO优化BP神经网络对50个新化合物的生物活性值进行预测,模型拟合度为0.833 7,根均方误差为0.731 5,比优化前的BP神经网络预测值更贴合实际.随后为提高药物研发的成功率,依据已有的ADMET性质数据利用PSO优化SVM构建ADMET分类预测模型,算法交叉验证CV准确率达到94.076 7%,5个指标模型的预测准确率均在79%以上.结果表明,所建立的模型比基准模型的预测性能更好,采用的预测策略是有效的,可为抗乳腺癌药物的研发提供借鉴. 展开更多
关键词 抗乳腺癌药物 生物活性 ADMET性质 粒子群优化算法 BP神经网络 支持向量机
下载PDF
新型抗乳腺癌药帕博西尼的合成进展 被引量：4
6
作者 高芳 谢伟 +1 位作者 何月桂 唐凤翔 《化工进展》 EI CAS CSCD 北大核心 2018年第1期242-251,共10页
帕博西尼(palbociclib)是一种治疗转移性乳腺癌的新药,于2015年获得美国食品药品监督管理局批准上市。本文较全面地报道了帕博西尼的9种合成工艺路线,并进行了相应的评价。通过对这些合成工艺的比较和分析,发现帕博西尼的合成主要包括4... 帕博西尼(palbociclib)是一种治疗转移性乳腺癌的新药,于2015年获得美国食品药品监督管理局批准上市。本文较全面地报道了帕博西尼的9种合成工艺路线,并进行了相应的评价。通过对这些合成工艺的比较和分析,发现帕博西尼的合成主要包括4个关键步骤:构建吡啶酮并嘧啶环、2位引入[5-(1-哌嗪基)-2-吡啶基]氨基、6位引入乙酰基和8位引入环己基。传统的合成路线存在诸多缺点,如反应步骤多、采用价格昂贵的金属钯以及有毒的有机锡化物和强碱二(三甲基硅基)胺基锂(Li HMDS)、部分操作条件苛刻和总收率低。新开发的路线或通过选择恰当的原料和反应,或选用新型反应器如微波-超声波联合反应器,或通过"一锅煮"方式来减少反应步骤,避免采用钯类和有机锡类化合物,从而构建反应步骤少、收率高、环境友好和较具有工业化价值的合成路线。帕博西尼的合成路线总体上向着原辅材料价廉易得、所采用试剂环保、反应路线短、操作简单、反应条件温和及总收率高的方向不断改进。就现有的合成路线而言,倘若能寻找到操作简单的催化剂代替强碱Li HMDS,以2,4-二氯嘧啶为起始原料的合成路线8具有较强的工业化前景;倘若能解决微波-超声波联合反应器的放大问题,以2-乙酰基-2-丁烯酸甲酯为起始原料的合成路线6是最具工业化前景的路线。此外,本文也介绍了具有更好的药代性质和体内稳定性的氘代帕博西尼的合成工艺,可根据帕博西尼的先进合成路线对此工艺进行改进。 展开更多
关键词 抗乳腺癌 帕博西尼 合成
下载PDF
基于随机森林的ERα生物活性预测研究 被引量：1
7
作者 何毅 马双宝 孙彪 《武汉纺织大学学报》 2022年第4期54-56,共3页
针对ERα生物活性的检测速度慢且需耗费大量人力物力的问题,本文提出了基于随机森林的ERα生物活性预测模型。首先,对ERα生物活性数据集进行数据清洗,使用3σ准则去除异常值。其次,利用随机森林重要变量重要度筛选出前20个对生物活性... 针对ERα生物活性的检测速度慢且需耗费大量人力物力的问题,本文提出了基于随机森林的ERα生物活性预测模型。首先,对ERα生物活性数据集进行数据清洗,使用3σ准则去除异常值。其次,利用随机森林重要变量重要度筛选出前20个对生物活性影响大的变量。随后,基于随机森林对筛选出的变量进行ERα生物活性预测。结果表明,所建立的模型的均方误差为0.017,具有良好的预测性能。 展开更多
关键词 抗乳腺癌药物 生物活性 3σ准则 随机森林
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部