集成学习算法在细胞毒性预测方面的研究与实现

发布时间：2021-08-08 13:48

　　在每种药物的开发过程中都需要检测其所含化合物是否具有毒性作用,其中细胞毒性由于其对人体潜在的危害进而导致很多药物在研发后期甚至上市之后才被撤回,不仅造成了巨大的经济损失还会对患者造成无法挽回的伤害。因此对于化合物细胞毒性的检测逐渐成为药物开发过程的重要部分。随着传统方法弊端愈发显著和计算机技术的飞速发展,采用计算机模拟对细胞毒性进行预测的方法吸引了越来越多的毒理学研究者。然而,目前该领域还没有取得一个令人满意的研究进展,究其原因是细胞毒性数据集是高通量的并且具有类不平衡问题。在本文中针对典型的AID364数据集的细胞毒性终点,在以十种分子指纹和随机森林算法建立的基础模型上应用了AdaBoost集成方法以及其他六种数据平衡方法以解决类不平衡问题。综合比较五折交叉验证的评估结果之后,发现使用MACCS分子指纹的集成模型是预测性能最优,其AUC为85.2±0.35%,灵敏度为81.8±0.65%,特异度为76.0±0.12%。在外部验证中,AUC为78.8%,灵敏度为55.5%,特异度为78.5%。然后将该模型在其他不同数据量和不平衡程度的数据集上进行验证,同样也表现出了良好的预测性能。本系... 

【文章来源】：辽宁大学辽宁省 211工程院校

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

QSAR模型的应用过程

图 2-2 随机森林 RF 建立过程 语言在计算机领域人工智能已成为热门词汇，与之相对的 Python 种最流行的编程语言，虽然 Python 由于其易于理解的语法已

有时需要将数据向量映射到高维过一个核函数在高维空间中构造相应的超标准变换为 ( ) ( n K( 图 2-3 线性 SVM 相关过程

【参考文献】：
期刊论文
[1]QSAR方法的研究进展及其应用[J]. 赵亚玲,黄方.  毒理学杂志. 2017(03)
[2]浅谈R语言在生物统计学教学中的应用[J]. 张哲,张豪.  教育教学论坛. 2013(27)
[3]Web网站功能及性能测试探析[J]. 王云.  电子设计工程. 2012(20)
[4]浅谈PHP技术[J]. 孙星.  中国新技术新产品. 2011(10)
[5]软件架构的非功能性需求指标和区域化支持[J]. 张宏升.  电脑知识与技术. 2011(09)
[6]随机森林方法研究综述[J]. 方匡南,吴见彬,朱建平,谢邦昌.  统计与信息论坛. 2011(03)
[7]基于因特网的常用化合物活性数据库简介[J]. 王凯,阎爱侠.  计算机与应用化学. 2010(12)
[8]药物毒理学研究的发展现状与趋势[J]. 廖明阳,吴纯启.  毒理学杂志. 2007(05)
[9]PHP中session变量的应用研究[J]. 侯金彪,胡凯,王文博.  科技信息(学术研究). 2007(27)
[10]基于Apache的Web安全技术的应用研究[J]. 张国祥.  武汉理工大学学报. 2004(03)

博士论文
[1]药物毒性预测方法研究[D]. 黄剑平.浙江大学 2014
[2]QSAR研究中提高模型预测能力的新方法探讨及其在药物化学中的应用[D]. 李加忠.兰州大学 2009

硕士论文
[1]基于Web的动漫素材共享平台的设计与实现[D]. 方超.厦门大学 2014
[2]企业级的B/S模式应用软件非功能性需求分析与研究[D]. 黄浪.厦门大学 2008
[3]科技文档中化学结构的描述与搜索[D]. 张立坤.华中科技大学 2007
[4]UI的设计与测试[D]. 孙涛.天津大学 2006



本文编号：3330073