基于支持向量機(jī)的藥物ADME-T性質(zhì)預(yù)測(cè).pdf

1、藥物的藥代動(dòng)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(gè)藥物能否成功上市的關(guān)鍵因素。傳統(tǒng)的藥物設(shè)計(jì)中對(duì)．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(huì)有助于降低藥物的淘汰率，從而節(jié)約藥物開(kāi)發(fā)成本。由于ADME/T的高通量實(shí)驗(yàn)測(cè)定難以實(shí)現(xiàn)，ADME/T性質(zhì)預(yù)測(cè)的計(jì)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(jì)算機(jī)輔助ADME/T性質(zhì)預(yù)測(cè)，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(shí)別問(wèn)題中表現(xiàn)出許多特有的優(yōu)勢(shì)，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(lái)對(duì)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(jì)算效率的變量篩選方法。同時(shí)，本方法對(duì)ADME/T

3、性質(zhì)的預(yù)測(cè)結(jié)果，優(yōu)于他人的研究結(jié)果。說(shuō)明結(jié)合遺傳算法的SVM方法在ADME/T性質(zhì)預(yù)測(cè)中是一種更有效的分類(lèi)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(yǔ)言編寫(xiě)的網(wǎng)格搜索算法程序確定核函數(shù)的兩個(gè)重要參數(shù)C和γ的具體實(shí)現(xiàn)步驟、分子描述符的分類(lèi)和計(jì)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(yàn)SVM結(jié)合GA的方法對(duì)P-gp底物的預(yù)測(cè)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(yǔ)言編寫(xiě)的GA程序?qū)Ψ肿用枋龇M(jìn)行篩選。在模型訓(xùn)練過(guò)程中用網(wǎng)格搜索法確定核函數(shù)的兩個(gè)重要參數(shù)C和γ，同時(shí)用5重交叉驗(yàn)證對(duì)模型進(jìn)行驗(yàn)證。把SVM結(jié)合GA方法建立的P-gp底物預(yù)測(cè)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(duì)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(cè)模型，不僅可以提高預(yù)測(cè)正確率，而且可以進(jìn)一步減少變量個(gè)數(shù)，從而提高模型預(yù)測(cè)的速度。 第三章用SVM結(jié)合GA的方法建立藥物