QSPR-QSAR中分子結(jié)構(gòu)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(jù)以及科學家們對化學知識規(guī)律的不斷需求，產(chǎn)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(guān)化學本質(zhì)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(jù)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(zhì)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(jù)內(nèi)部所含有的分子的結(jié)構(gòu)信息的方法。分子拓撲指數(shù)編碼了分子結(jié)構(gòu)的不同信息，可以綜合反映分子不同的理化性質(zhì)。本文通過投影尋蹤的技術(shù)形象地描述了四類拓撲指數(shù)所暗含的分子結(jié)構(gòu)信息，投影尋蹤是一種可以將高維數(shù)據(jù)映射到低維空間以便于觀察和分析的數(shù)值優(yōu)化技術(shù)。結(jié)果表明：四類拓撲指數(shù)分別編碼了分子的不同結(jié)構(gòu)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(guān)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(jīng)網(wǎng)絡(luò)（RBF）和支持向量機回歸（SVR）.研究結(jié)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(guān)系，支持向量機回歸可以達到更小的預(yù)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(jīng)網(wǎng)絡(luò)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(jié)果顯示三個模型均能夠提供好的預(yù)測能力，在三種方法中，支持向量回歸結(jié)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(yù)測結(jié)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(guān)鍵步驟是模型中奇異樣本的檢測。高維數(shù)據(jù)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(jīng)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(chǔ)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(diào)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(zhì)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(yù)測殘基的分布，它能夠降低掩蔽效應(yīng)帶來的風險。此外