基于机器学习的抗乳腺癌候选药物筛选模型优化 |
| |
引用本文: | 庞国庆,严沛鑫,周康乔.基于机器学习的抗乳腺癌候选药物筛选模型优化[J].南通职业大学学报,2023(2):67-72+104. |
| |
作者姓名: | 庞国庆 严沛鑫 周康乔 |
| |
作者单位: | 1. 南通大学经济与管理学院;2. 南京大学电子科学与工程学院;3. 河海大学理学院 |
| |
基金项目: | 江苏省研究生科研与实践创新计划项目(KYCX22_3311); |
| |
摘 要: | 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。
|
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 |
|