«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

[1]庞国庆,严沛鑫,周康乔.基于机器学习的抗乳腺癌候选药物筛选模型优化[J].南通职业大学学报,2023,37(02):67-72+104.[doi:10.3969/j.issn.1008-5327.2023.02.015]

点击复制

基于机器学习的抗乳腺癌候选药物筛选模型优化()

分享到：

《南通职业大学学报》[ISSN:1008-5327/CN:32-1528/G4]

卷:: 37
期数:: 2023年02

页码:: 67-72+104

栏目:: 数学与建模

出版日期:: 2023-08-01

文章信息/Info

作者:: 庞国庆¹; 严沛鑫²; 周康乔³; 1. 南通大学经济与管理学院，江苏南通 226019； 2. 南京大学电子科学与工程学院，南京 210023；3. 河海大学理学院，南京 211100

关键词:: 乳腺癌; 药物筛选; 分子描述符; 生物活性预测; Spearman相关系数; 最大互信息系数; 随机森林; 岭回归

分类号:: O213；R453

DOI:: 10.3969/j.issn.1008-5327.2023.02.015

文献标志码:: A

摘要:: 雌激素受体α亚型（Estrogen receptors alpha，ERα）被认为是治疗乳腺癌的重要靶标，对于治疗乳腺癌非常关键。为准确找出能抑制ERα活性的化合物，以504个分子描述符作为研究变量，采用Spearman相关系数、最大互信息系数和随机森林特征选择三种方法，分别筛选出排名前30的分子描述符，综合三种方法的结果，使用基于秩的变量选择算法选出前20个对生物活性最具显著影响的分子描述符，并分别建立岭回归和随机森林非线性回归模型对其进行比较。结果表明，随机森林模型方法的预测效果更好，可用于化合物对ERα生物活性值的预测。

更新日期/Last Update: 2023-08-24