[發(fā)明專利]基于支持向量機(jī)的藥物分子藥代動(dòng)力學(xué)性質(zhì)和毒性預(yù)測(cè)方法

無效

• 申請(qǐng)?zhí)枺?/td>: 200810045708.3
• 申請(qǐng)日: 2008-07-31
• 公開（公告）號(hào): CN101329699A
• 公開（公告）日: 2008-12-24
• 發(fā)明（設(shè)計(jì)）人: 楊勝勇;黃奇;魏于全;馬長(zhǎng)英;張會(huì)
• 申請(qǐng)（專利權(quán)）人: 四川大學(xué)
• 主分類號(hào): G06F17/50
• 分類號(hào): G06F17/50;G06N1/00;G06N3/12
• 代理公司: 成都信博專利代理有限責(zé)任公司
• 代理人: 潘育敏;馮義高

1.?一種基于SVM的藥物分子藥代動(dòng)力學(xué)性質(zhì)和毒性預(yù)測(cè)方法，其特征在于：構(gòu)建新的計(jì)算機(jī)程序預(yù)測(cè)模型，在構(gòu)建過程中同時(shí)進(jìn)行藥物分子描述符的選擇和SVM參數(shù)的優(yōu)化；構(gòu)建步驟包括：描述符的計(jì)算，描述符的預(yù)處理，對(duì)描述符數(shù)據(jù)集進(jìn)行重新標(biāo)度，采用集成的方法同時(shí)進(jìn)行描述符的優(yōu)化和SVM參數(shù)優(yōu)化；SVM參數(shù)的優(yōu)化使用共扼梯度法，對(duì)懲罰函數(shù)C和核函數(shù)γ進(jìn)行優(yōu)化；描述符的優(yōu)化使用遺傳算法，個(gè)體適應(yīng)度函數(shù)采用綜合反映預(yù)測(cè)準(zhǔn)確度和描述符數(shù)目的適應(yīng)度函數(shù)Fit＝W_A×SVM_accuracy+W_F×N_F，在獲得每個(gè)染色體的適應(yīng)度函數(shù)后，通過輪盤賭，雜交和突變等運(yùn)算產(chǎn)生下一代種群；描述符的選擇和SVM參數(shù)優(yōu)化的集成是在SVM參數(shù)優(yōu)化的基礎(chǔ)上對(duì)每一個(gè)個(gè)體進(jìn)行適應(yīng)度函數(shù)的計(jì)算，完成輪盤賭，雜交和突變的數(shù)據(jù)集成。

2.?如權(quán)利要求1所述的預(yù)測(cè)方法，其特征在于：所述對(duì)SVM參數(shù)優(yōu)化使用共扼梯度法，對(duì)懲罰函數(shù)C和核函數(shù)γ進(jìn)行優(yōu)化的方法是：設(shè)C′，γ′是最優(yōu)的懲罰函數(shù)和核函數(shù)，A′值最小表示SVM預(yù)測(cè)的精度最高，C′＝logC，γ′＝logγ，A′＝-A；然后按照以下步驟進(jìn)行：

(1)在初始點(diǎn)x₀＝(C′₀，γ′₀)處計(jì)算梯度的負(fù)值，即r₀＝-g₀，設(shè)置第一個(gè)共扼方向d₀＝r₀；

(2)設(shè)x_i＝x₀，d_i＝d₀，沿d_i方向線性搜索α_i，使得-f(x_i+α_id_i)最小，然后產(chǎn)生x_i+1＝x_i+α_id_i；

(3)在新的點(diǎn)計(jì)算r_i+1＝-g_i+1；

(4)檢查是否滿足收斂條件，即|r_i+1|＜tolerance的設(shè)定值，如果滿足則退出，否則繼續(xù)下一步。

(5)通過公式計(jì)算βi+1=ri+1Tri+1riTri;]]>

(6)計(jì)算新的共扼方向d_i+1＝r_i+1+β_i+1d_i；

(7)重復(fù)(2)-(6)步，直到收斂條件滿足。