典型文献
基于机器学习方法的药物化合物ADMET性质分类预测
文献摘要：
化合物作为药物成分必须有良好的ADMET性质,在药物研发早期对化合物的ADMET性质进行评估,有助于提高药物研发的成功率,降低研发成本.本文使用机器学习方法,对1974个化合物建立ADMET性质分类预测模型.首先利用低方差过滤法和带L1正则的逻辑斯蒂回归进行特征选择,从729个特征中选取50个变量作为建模的主要特征.接着引入逻辑斯蒂回归、线性支持向量机、非线性支持向量机、随机森林、梯度提升树五类机器学习算法对化合物的5个ADMET性质构建25个分类预测模型进行预测,以AUC值作为预测结果的评价指标,对其分类预测能力作出对比分析,在针对这5个ADMET性质(Caco-2、CYP3A4、hERG、HOB、MN)的分类预测任务中,效果最佳的模型分别取得了0.970、0.973、0.976、0.975、0.962的曲线下面积的模型表现.
文献关键词：
机器学习;药物研发;ADMET性质;算法对比
中图分类号：
作者姓名：
彭奕萍
作者机构：
湖北工业大学,湖北 武汉 430068
文献出处：
引用格式：
[1]彭奕萍-.基于机器学习方法的药物化合物ADMET性质分类预测)[J].山西化工,2022(07):25-27
A类：
B类：
基于机器学习,机器学习方法,药物化,ADMET,性质分类,药物成分,药物研发,研发成本,个化,分类预测模型,低方差,过滤法,L1,正则,逻辑斯蒂回归,特征选择,线性支持向量机,梯度提升树,五类,机器学习算法,质构,预测能力,Caco,CYP3A4,hERG,HOB,MN,算法对比
AB值：
0.371431
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
