基于机器学习的COX抑制剂预测模型研究

作     者：聂长森 白勇 柳贤德 NIE Chang-sen;BAI Yong;LIU Xian-de

作者机构：海南大学信息科学技术学院海南海口570228 海南大学农学院海南海口570228 

出 版 物：《计算机技术与发展》 (Computer Technology and Development)

年 卷 期：2017年第27卷第10期

页      面：74-77,82页

学科分类：08[工学] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(31660733) 海南省应用技术研发与示范推广专项(ZDXM2015065) 海南省社会发展科技专项(SF201421) 

主　　题：COX抑制剂 机器学习方法 自组织特征神经网络 随机森林 支持向量机 

摘      要：针对目前COX(环氧合酶)抑制剂较少且抑制效果差的问题,以及传统的化学实验筛选COX抑制剂分子的方法中成本高且效率低的问题,基于机器学习算法,提出并建立了一种COX抑制剂的预测模型。该模型可高效且准确地找到COX抑制剂,通过大量搜集文献中的数据建立数据集,使用Mold2软件计算化合物分子描述符,利用自组织特征映射神经网络(SOM)划分训练集和测试集,应用随机森林(RF)和支持向量机(SVM)等机器学习算法分别建立了COX抑制剂预测模型。实验对比发现,SOM结合RF算法较传统化学实验方法具有更好的预测精度,且预测效率也有大幅提升。实验研究表明,基于自组织神经网络和随机森立的机器学习方法建立的COX抑制剂预测模型,具有很好的分类预测效果,可以为COX抑制剂的分析与预测提供有力的研究工具。