换一批基于机器学习的抗乳腺癌候选药物筛选模型优化
Optimization of Screening Model for Anti-Breast Cancer Drug Candidates Based on Machine Learning
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.
更多相关知识
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breast cancerdrug screeningmolecular descriptorbioactivity predictionspearman correlation coefficientmaximum mutual information coefficientrandom forestridge regression
栏目名称
DOI
10.3969/j.issn.1008-5327.2023.02.015
发布时间
2023-09-05（万方平台首次上网日期，不代表论文的发表时间）
基金项目
江苏省研究生科研与实践创新计划项目（KYCX22_3311）
中国研究生数学建模竞赛D题成果
- 浏览14
- 被引2
- 下载4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
