期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
应用机器学习方法构建药物分子解离速率常数的预测模型 被引量：5
1
作者 苏敏仪 刘慧思 +1 位作者 林海霞 王任小 《物理化学学报》 SCIE CAS CSCD 北大核心 2020年第1期179-187,共9页
越来越多的研究表明:药物分子与靶标分子的结合动力学性质与其在体内的药效有很强的相关性。因此,以改善结合动力学性质为导向的分子设计为药物研发提供了新的思路。本工作的研究目标在于得出预测药物分子解离速率常数(koff)的通用型定... 越来越多的研究表明:药物分子与靶标分子的结合动力学性质与其在体内的药效有很强的相关性。因此,以改善结合动力学性质为导向的分子设计为药物研发提供了新的思路。本工作的研究目标在于得出预测药物分子解离速率常数(koff)的通用型定量结构-动力学关系(QSKR)模型。我们从文献中收集了406个配体分子的解离速率常数实验值,采用分子模拟方法构建了所有配体与靶蛋白复合物的三维结构模型。然后基于蛋白-配体原子对描述符,采用随机森林算法来构建预测配体分子解离速率常数的QSKR模型。通过探索不同条件(如距离区间,划分区间宽度和特征选择标准)下产生的描述符集合对模型预测精度的影响,确定当采用距离阈值为15?、划分区间宽度为3?、特征选择方差水平为2时得到的QSKR模型为最优,在两个独立测试集上获得良好的预测精度(相关系数为0.62)。本工作对预测药物分子解离速率常数这一关键科学问题进行了有益的探索,可为后续研究提供思路。 展开更多
关键词 解离速率常数 配体结合动力学 随机森林模型 蛋白-配体相互作用 基于结构的药物设计
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部