表皮生长因子受体抑制剂的理论预测研究

摘要：

表皮生长因子受体(Epidermal Growth Factor Receptor,EGFR)的扩增或突变与人类实体肿瘤密切相关.三种机器学习方法:随机森林(random forest,RF),k最近邻和C4.5决策树,被用于建立理论模型,来预测EGFR的抑制剂.结果表明,这些模型的预测结果均取得了令人满意的精度.又通过对比分析,发现RF模型具有较好的预测性能,并进一步修改和优化了RF模型的参数.此外,还采用特征选择程序筛选出了25个和EGFR的抑制最相关的分子描述符.最后对得到的最优RF模型进行了评价.

关键词：EGFR抑制剂、机器学习方法、随机森林、分子描述符

所属期刊栏目：34

分类号：R979.1(药品)

在线出版日期：2018-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：104-111