支持向量机用于定量构效关系建模的研究
摘要
运用支持向量机, 偏最小二乘和BP人工神经网络3种方法对苦味二肽和血管紧张素转化酶抑制剂2个肽体系进行了定量构效关系建模研究. 为了验证模型的外部预测能力, 样本集经D-optimal设计被分成训练集和测试集两部分, 通过对测试集的预测结果来判断模型的外部预测能力. 结果显示支持向量机在2个体系中均表现出了较强的建模和预测能力. 在对苦味二肽的构效关系建模中, 支持向量机的建模和预测结果明显优于偏最小二乘, 与BP人工神经网络相比, 虽然在建模能力上支持向量机略逊于BP神经网络, 但其预测能力却明显优于BP神经网络; 而对于血管紧张素转化酶抑制剂, 支持向量机的建模和预测结果则略优于偏最小二乘和BP人工神经网络. 其中采用线性核和径向基核的支持向量机模型在两个肽体系中建模和预测结果相当. 研究显示支持向量机在药物的定量构效关系研究中具有广阔的应用前景.
引用本文（GB/T 7714）
桂兆 梁, 志良 李, 原 周, 等. 支持向量机用于定量构效关系建模的研究[J]. Chinese Science Bulletin (Chinese Version), 2005.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。