基于支持向量学习机的HIV-1蛋白酶抑制剂的活性预测

摘要：

为了预测人体免疫缺陷蛋白酶抑制剂的活性,计算了表征分子的组成和拓扑特征的462个分子描述符,用Kennard-Stone方法和随机方法进行了训练集和测试集设计,用Monte Carlo模拟退火方法进行变量筛选,并分别用神经网络,逻辑回归,k-近邻和支持向量学习机方法建立了HIV-1蛋白酶的抑制剂模型.结果表明支持向量学习机优于其余机器学习方法,用SVM方法所建立的最优模型的最后预测正确率达到98.24%.

关键词：蛋白酶抑制剂、分子描述符、机器学习方法、变量筛选

所属期刊栏目：65

分类号：O6(化学)

资助基金：国家自然科学基金20572073

在线出版日期：2007-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：197-202