藥物定量構(gòu)效關(guān)系建模新方法研究.pdf

1、藥物定量構(gòu)效關(guān)系(Quantitative Structure-ActivityRelationships,QSAR)的研究對象是藥物生理活性和分子結(jié)構(gòu)參數(shù)間的量變規(guī)律。建立適當(dāng)?shù)臄?shù)學(xué)模型對QSAR研究來說是非常重要的,通過合適的模型可以預(yù)測未知化合物的活性,探討藥物作用機(jī)理,對指導(dǎo)新藥的設(shè)計與合成有重要意義。為此,本文提出兩種新的非線性建模方法,并將它們應(yīng)用于藥物QSAR建模,結(jié)果顯示這兩種模型有良好泛化性能和穩(wěn)定性。以下是本文的主要

2、內(nèi)容:(1)分析了循環(huán)子空間回歸(Cyclic Subspace Regression,CSR)的特點(diǎn),并介紹了CSR的兩種穩(wěn)健算法。而后將徑向基網(wǎng)絡(luò)(Radial Basis FunctionsNetworks,RBFN)與循環(huán)子空間回歸相結(jié)合構(gòu)成了RBF-CSR方法,該方法既保留了神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),又用數(shù)學(xué)方法直接求解,免去了人工神經(jīng)網(wǎng)絡(luò)冗長的訓(xùn)練過程,并可在更廣的空間內(nèi)尋找最優(yōu)的網(wǎng)絡(luò)參數(shù),很好的解決了RBF網(wǎng)絡(luò)訓(xùn)練量大,難以找到最優(yōu)

3、解的問題。(2)針對簡單遺傳算法易早熟、全局尋優(yōu)效率偏低等特點(diǎn),設(shè)計了一種基于優(yōu)進(jìn)策略的遺傳算法(Eugenic evolution Genetic Algorithm,EGA),在演進(jìn)過程中自適應(yīng)地改善個體地分布,適時引入確定性操作,以改善常規(guī)遺傳算法的性能。并將EGA用于RBF-CSR網(wǎng)絡(luò)的參數(shù)優(yōu)化,構(gòu)建了EGA-RBF-CSR方法。最后將EGA-RBF-CSR方法用于苯已酰胺類除草劑的定量構(gòu)效關(guān)系建模,取得了良好的效果。(3)回顧

4、了統(tǒng)計學(xué)習(xí)理論研究的基本問題及主要內(nèi)容。而后回顧了支持向量機(jī)(Support vector machine,SVM)原理和實(shí)現(xiàn),簡要介紹了國際上常用的各種SVM優(yōu)化算法。介紹了最小二乘支持向量機(jī)(Least squares support vector machine,LSSVM)及其算法,該方法是標(biāo)準(zhǔn)支持向量機(jī)在二次損失函數(shù)下的一種擴(kuò)展形式,它保留了SVM的一些優(yōu)點(diǎn),同時具有計算量小、求解速度快等特點(diǎn)。(4)提出了一種基于最小二乘支持

5、向量機(jī)的非線性偏最小二乘建模算法。該算法采用非線性迭代偏最小二乘(Nonlinear Partial Least Squares,NIPALS)方法從樣本數(shù)據(jù)中成對地提取最優(yōu)成分,使多變量系統(tǒng)降維,然后應(yīng)用基于結(jié)構(gòu)風(fēng)險最小化準(zhǔn)則的最小二乘支持向量機(jī),對提取的成對成分進(jìn)行非線性擬合,并加入基于誤差的權(quán)值調(diào)整策略,構(gòu)成EB-LSSVM-PLS模型。最后,將該方法應(yīng)用于敏浙江大學(xué)碩士學(xué)位論文小樣本的新型黃烷酮衍生物的QSAR建模,取得了滿意的