基于支持向量機(jī)的藥物ADME-T性質(zhì)預(yù)測.pdf

1、藥物的藥代動力學(xué)特征，即藥物的吸收、分布、代謝和排泄(ADME)，再加上毒性(1bxicity)是決定一個藥物能否成功上市的關(guān)鍵因素。傳統(tǒng)的藥物設(shè)計中對．ADME/T性質(zhì)的重視不夠，導(dǎo)致研制的候選藥物能成功上市的幾率僅為1/10，甚至更少。因此在藥物研發(fā)之初就考慮ADME/T性質(zhì)將會有助于降低藥物的淘汰率，從而節(jié)約藥物開發(fā)成本。由于ADME/T的高通量實驗測定難以實現(xiàn)，ADME/T性質(zhì)預(yù)測的計算機(jī)模擬，便成為一條值得探索的重要途徑。

2、 目前已有多種方法用于計算機(jī)輔助ADME/T性質(zhì)預(yù)測，包括定量的結(jié)構(gòu)一活性關(guān)系(QSARI)和定量的結(jié)構(gòu)一性質(zhì)關(guān)系(QSPR)等。近年由于支持向量機(jī)(SVM)方法在解決小樣本，非線性及高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢，因而SVM在許多領(lǐng)域得到廣泛應(yīng)用。 本文使用SVM結(jié)合遺傳算法(GA)來對藥物的ADME/T性質(zhì)進(jìn)行研究。研究表明，GA是一種高效的消除冗余變量、提高模型計算效率的變量篩選方法。同時，本方法對ADME/T

3、性質(zhì)的預(yù)測結(jié)果，優(yōu)于他人的研究結(jié)果。說明結(jié)合遺傳算法的SVM方法在ADME/T性質(zhì)預(yù)測中是一種更有效的分類方法。具體內(nèi)容如下： 第一章，介紹了SVM的理論基礎(chǔ)、用C語言編寫的網(wǎng)格搜索算法程序確定核函數(shù)的兩個重要參數(shù)C和γ的具體實現(xiàn)步驟、分子描述符的分類和計算方法以及使用遺傳算法(GA)進(jìn)行變量選擇的原理和參數(shù)的設(shè)置。 第二章，檢驗SVM結(jié)合GA的方法對P-gp底物的預(yù)測能力。使用與文獻(xiàn)中同樣的化合物數(shù)據(jù)集和分子描述符，用

4、C語言編寫的GA程序?qū)Ψ肿用枋龇M(jìn)行篩選。在模型訓(xùn)練過程中用網(wǎng)格搜索法確定核函數(shù)的兩個重要參數(shù)C和γ，同時用5重交叉驗證對模型進(jìn)行驗證。把SVM結(jié)合GA方法建立的P-gp底物預(yù)測模型，與文獻(xiàn)中使用的SVM結(jié)合遞歸變量消除(RFE)方法建立的模型進(jìn)行對比。結(jié)果表明，我們使用SVM結(jié)合GA方法建立的P-gp底物預(yù)測模型，不僅可以提高預(yù)測正確率，而且可以進(jìn)一步減少變量個數(shù)，從而提高模型預(yù)測的速度。 第三章用SVM結(jié)合GA的方法建立藥物