期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于机器学习方法的丙型肝炎病毒聚合酶NS5B非核苷抑制剂的定量构效关系研究
1
作者
丛湧
薛英
《物理化学学报》
SCIE
CAS
CSCD
北大核心
2013年第8期1639-1647,共9页
对89个苯并异噻唑和苯并噻嗪类丙型肝炎病毒(HCV)NS5B聚合酶非核苷抑制剂进行了定量构效关系(QSAR)研究.采用遗传算法组合偏最小二乘(GA-PLS)和线性逐步回归分析(LSRA)两种特征选择方法选择最优描述符子集,然后建立多元线性回归和偏最...
对89个苯并异噻唑和苯并噻嗪类丙型肝炎病毒(HCV)NS5B聚合酶非核苷抑制剂进行了定量构效关系(QSAR)研究.采用遗传算法组合偏最小二乘(GA-PLS)和线性逐步回归分析(LSRA)两种特征选择方法选择最优描述符子集,然后建立多元线性回归和偏最小二乘线性回归模型.并首次尝试使用遗传算法耦合支持向量机方法(GA-SVM)对两种特征选择方法所选的描述符子集分别建立非线性支持向量机回归模型.三种机器学习方法所建模型均得到比较满意的预测效果.采用LSRA所选的6个描述符建立的三个QSAR模型对于测试集的相关系数为0.958-0.962,GA-SVM法给出最好的预测精度(0.962).采用GA-PLS所选的7个描述符建立的三个QSAR模型对于测试集的相关系数为0.918-0.960,偏最小二乘回归模型的结果最好(0.960).本工作提供了一种有效的方法来预测丙型肝炎病毒抑制剂的生物活性,该方法也可以扩展到其他类似的定量构效关系研究领域.
展开更多
关键词
丙型肝炎病毒NS5B聚合酶
非核苷抑制剂
线性逐步回归分析
偏最小二乘法
遗传算法
支持向量机
在线阅读
下载PDF
职称材料
题名
基于机器学习方法的丙型肝炎病毒聚合酶NS5B非核苷抑制剂的定量构效关系研究
1
作者
丛湧
薛英
机构
四川大学化学学院
西华大学四川省先进科学计算重点实验室
出处
《物理化学学报》
SCIE
CAS
CSCD
北大核心
2013年第8期1639-1647,共9页
基金
国家自然科学基金(21173151)
西华大学先进科学计算省重点实验室开放基金(szjj2011-029)资助项目~~
文摘
对89个苯并异噻唑和苯并噻嗪类丙型肝炎病毒(HCV)NS5B聚合酶非核苷抑制剂进行了定量构效关系(QSAR)研究.采用遗传算法组合偏最小二乘(GA-PLS)和线性逐步回归分析(LSRA)两种特征选择方法选择最优描述符子集,然后建立多元线性回归和偏最小二乘线性回归模型.并首次尝试使用遗传算法耦合支持向量机方法(GA-SVM)对两种特征选择方法所选的描述符子集分别建立非线性支持向量机回归模型.三种机器学习方法所建模型均得到比较满意的预测效果.采用LSRA所选的6个描述符建立的三个QSAR模型对于测试集的相关系数为0.958-0.962,GA-SVM法给出最好的预测精度(0.962).采用GA-PLS所选的7个描述符建立的三个QSAR模型对于测试集的相关系数为0.918-0.960,偏最小二乘回归模型的结果最好(0.960).本工作提供了一种有效的方法来预测丙型肝炎病毒抑制剂的生物活性,该方法也可以扩展到其他类似的定量构效关系研究领域.
关键词
丙型肝炎病毒NS5B聚合酶
非核苷抑制剂
线性逐步回归分析
偏最小二乘法
遗传算法
支持向量机
Keywords
HCV NS5B polymerase
Non-nucleoside Inhibitor
Linear stepwise regression analysis
Partial least square
Genetic algorithm
Support vector machine
分类号
TQ460.1 [化学工程—制药化工]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于机器学习方法的丙型肝炎病毒聚合酶NS5B非核苷抑制剂的定量构效关系研究
丛湧
薛英
《物理化学学报》
SCIE
CAS
CSCD
北大核心
2013
0
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部