基于机器学习的抗乳腺癌候选药物的分类预测

摘要：

乳腺癌是目前世界上最常见致死率较高的癌症之一.通过选用机器学习中处理二分类预测问题的支持向量机(SVM)、K近邻算法(KNN)、随机森林(RF)、极端梯度提升(XG-Boost)四种模型,运用每一种模型分别对给定的样本数据构建出化合物的ADMET(吸收Ab-sorption,分配Distribution,代谢Metabolism,排泄Excretion和毒性Toxicity)五个指标的分类预测模型,对比选择出五个指标的预测准确率均在84％以上的XGBoost模型,最后对给定的化合物进行预测并得出化合物所对应的ADMET性质.结果表明,利用XGBoost模型进行分类预测的方法是有效的,对于抗乳腺癌药物的研发具有参考意义.

关键词：极端梯度提升模型、抗乳腺癌药物、分类预测

所属期刊栏目：33

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金12071112

在线出版日期：2023-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：54-60