基于随机森林的抗乳腺癌候选药物的优化

基于随机森林的抗乳腺癌候选药物的优化

F213.5; 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pIC50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....

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:湖北工业大学学报 2023, Vol.38 (1), p.111-120
Hauptverfasser: 汤仕星, 曾莹
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:F213.5; 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pIC50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.
ISSN:1003-4684
DOI:10.3969/j.issn.1003-4684.2023.01.023