QSPR-QSAR中分子結構信息的挖掘和建模中奇異樣本檢測.pdf

1、面對海量的數(shù)據以及科學家們對化學知識規(guī)律的不斷需求，產生了化學信息學這一門新的學科?；瘜W信息學利用信息學的方法來解決化學的問題，得到有關化學本質規(guī)律的認識?；瘜W信息學的一個重要目的是得到專家知識來解釋所觀測到的化學現(xiàn)象，但是往往這些知識隱含在大量的數(shù)據中，這就需要發(fā)展一些新思想和新方法挖掘出這些蘊藏的知識。 針對化合物熔點性質和生物活性，本文從下面幾個方面展開了QSPR/QSAR的研究工作： 1.提出了通過投影尋蹤的方法

2、來探索分子拓撲指數(shù)數(shù)據內部所含有的分子的結構信息的方法。分子拓撲指數(shù)編碼了分子結構的不同信息，可以綜合反映分子不同的理化性質。本文通過投影尋蹤的技術形象地描述了四類拓撲指數(shù)所暗含的分子結構信息，投影尋蹤是一種可以將高維數(shù)據映射到低維空間以便于觀察和分析的數(shù)值優(yōu)化技術。結果表明：四類拓撲指數(shù)分別編碼了分子的不同結構信息，所編碼的信息有部分的重疊，通過塊變量子空間比較法可以定量化各塊拓撲指數(shù)的重疊性。 2.用不同的模型建立了有機化合

3、物描述符和其粘度的關系，線性模型包括偏最小二乘法（PLS）和主成分回歸（PCR），非線性模型包括徑向基神經網絡（RBF）和支持向量機回歸（SVR）.研究結果表明：各種不同的模型都可以很好的建立粘度與其描述符的定量關系，支持向量機回歸可以達到更小的預測誤差。 3.藥物水溶性在藥物研發(fā)中發(fā)揮著重要的作用。在這個研究中，三種化學計量學方法-偏最小二乘，支持向量回歸和反饋神經網絡被用來建立水溶性的QSPR模型。33個分子描述符用DRAG

4、ON軟件計算得到。結果顯示三個模型均能夠提供好的預測能力，在三種方法中，支持向量回歸結果要稍微好于其它兩種方法。最好的支持向量回歸模型的評價指標分別為：（訓練集）R2＝0.851，RMSEF=0.542；（驗證集）Q2=0.810，RMSECV＝0.611.預測結果較好的一致于藥物水溶性的實驗值。 4.建立一個好的QSAR/QSPR模型的關鍵步驟是模型中奇異樣本的檢測。高維數(shù)據奇異樣本的檢測是非常困難的，特別是當多個奇異樣本共存

5、于模型時。經典的鑒別方法并不總能檢測到它們，因為這些方法均是建立在樣本均值和協(xié)方差陣的基礎之上的，它們自身很容易受到奇異點的影響。此外，現(xiàn)存的方法很多是僅僅強調于某種奇異點而非所有的。為了克服上面的問題，并且能夠同時檢測所有類型的奇異樣本，我們提出了一個新的基于蒙特卡羅交互檢驗檢測奇異樣本的新策略。這個蒙特卡羅方法借助于多個模型的建立本質上提供了一種可行的方式去檢測奇異樣本。借助于獲得的預測殘基的分布，它能夠降低掩蔽效應帶來的風險。此外