[發(fā)明專利]基于支持向量機預(yù)測胞漿型磷脂酶A2α抑制劑的抑制濃度的方法

有效

• 申請?zhí)枺?/td>: 201110325636.X
• 申請日: 2011-10-24
• 公開（公告）號: CN102708269A
• 公開（公告）日: 2012-10-03
• 發(fā)明（設(shè)計）人: 盧小泉;姬東琴;周喜斌;陳晶;史海材;劉冬;李亞亞
• 申請（專利權(quán)）人: 西北師范大學(xué)
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 北京中恒高博知識產(chǎn)權(quán)代理有限公司 11249
• 代理人: 夏晏平

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于支持向量機預(yù)測胞漿型磷脂酶A₂α抑制劑的抑制濃度的方法，屬于化學(xué)計量學(xué)和化學(xué)信息學(xué)的交叉領(lǐng)域。

背景技術(shù)

胞漿型磷脂酶A₂α是胞漿型磷脂酶A₂的三個亞型（分別為α、β、γ）之一，它可以限制花生四烯酸的產(chǎn)生，此外胞漿型磷脂酶A₂α的激活導(dǎo)致了大量的油脂中介體的產(chǎn)生，例如白細胞三烯、前列腺素、血小板活化因子等。由于抑制胞漿磷脂酶A₂α的激活有著重要的意義，所以胞漿型磷脂酶A₂α抑制劑的開發(fā)引起了藥物研究者的興趣。抑制劑分子的抑制濃度實驗數(shù)據(jù)測試困難、費用較高，限制了大量樣本的獲取，而抑制濃度是評價抑制劑效果的主要指標，因此在抑制劑開發(fā)初期，準確預(yù)測抑制劑分子的抑制濃度，可以減少后期抑制劑開發(fā)的風(fēng)險，降低研發(fā)成本。

支持向量機是基于統(tǒng)計學(xué)習(xí)理論的一種新型機器學(xué)習(xí)方法，目的是根據(jù)給定的訓(xùn)練樣本對某系統(tǒng)輸入輸出之間依賴關(guān)系的估計，使它能夠?qū)ξ粗敵鲎龀霰M可能準確的預(yù)測。

發(fā)明內(nèi)容

本發(fā)明的目的是解決現(xiàn)有技術(shù)中胞漿型磷脂酶A₂α抑制劑的抑制濃度實驗數(shù)據(jù)測試困難的問題，提供一種基于支持向量機準確預(yù)測胞漿型磷脂酶A₂α抑制劑的抑制濃度的方法。

本發(fā)明的目的通過以下技術(shù)方案實現(xiàn)，

一種基于支持向量機預(yù)測胞漿型磷脂酶A₂α抑制劑的抑制濃度的方法，其特征在于，包括如下步驟：

1）樣本集的建立：收集胞漿型磷脂酶A₂α抑制劑的分子結(jié)構(gòu)；

2）抑制劑分子描述符集的構(gòu)建：輸入胞漿型磷脂酶A₂α抑制劑的分子結(jié)構(gòu)，計算出與其對應(yīng)的分子描述符值，該分子描述符含有若干個分量；

3）簡化抑制劑分子描述符集；?

4）抑制劑分子描述符集的重新標度：將簡化后的抑制劑分子描述符集映射到[-1，+1]區(qū)間，映射公式為：????????????????????????????????????????????????

其中，x是抑制劑分子描述符的原始值，x_pre是重新標度后的值，x_max和x_min分別對應(yīng)抑制劑分子描述符的最大值和最小值，y_max和y_min分別對應(yīng)映射區(qū)間最大值和最小值，即+1和-1；

5）將經(jīng)過步驟2）至4）處理后的樣本集隨機的劃分為訓(xùn)練集和測試集，利用訓(xùn)練集數(shù)據(jù)，采用10折隨機交叉驗證方法，對支持向量機模型參數(shù)進行優(yōu)化；

6）用步驟5）所述的訓(xùn)練集和優(yōu)化后得到的支持向量機參數(shù)建立抑制劑分子結(jié)構(gòu)與抑制濃度的關(guān)系模型；

7）將步驟5）所述的測試集數(shù)據(jù)輸入步驟6）所建立的關(guān)系模型，預(yù)測抑制劑的抑制濃度。

進一步，步驟2）所述抑制劑的分子結(jié)構(gòu)的構(gòu)象處于最低能量狀態(tài)。

進一步，步驟2）中分子描述符的計算是采用在線藥物分子描述符計算軟件MODEL完成。

進一步，步驟3）所述的簡化過程為：

（a）刪除與抑制劑分子結(jié)構(gòu)相關(guān)性不大的抑制劑分子描述符；

（b）再刪除描述符值為0的抑制劑分子描述符，刪除對于所有抑制劑所對應(yīng)的分子描述符值都相等的描述符；

（c）使用逐步回歸方法對剩下的抑制劑分子描述符再進行篩選。

進一步，在步驟5）中，樣本集是按4:1的比例隨機劃分為訓(xùn)練集和測試集。

進一步，步驟5）中所述的支持向量機模型參數(shù)優(yōu)化過程為：

設(shè)置容量因子C固定為100；ε不敏感損失函數(shù)的ε值變化范圍的最大值為1，最小值為-1，變化步長為0.01；核函數(shù)參數(shù)γ的值變化范圍的最大值是1，最小值-1，變化步長為0.01；核函數(shù)K選用高斯徑向基核函數(shù)；

將訓(xùn)練集隨機的均分為10組，其中的9組用來建立抑制劑分子結(jié)構(gòu)與抑制濃度的關(guān)系模型，剩余的一組用來驗證該模型，依次對每一組進行一次驗證，將驗證后所得到10次結(jié)果的準確率的平均值作為準確的估計；

準確率最高時所對應(yīng)的容量因子C、ε不敏感損失函數(shù)的ε值、核函數(shù)參數(shù)γ的值即為支持向量機模型參數(shù)的最優(yōu)值。?