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H1N1神经氨酸苷酶抑制剂的分类预测
1
作者
吕巍
薛英
孟庆伟
《物理化学学报》
SCIE
CAS
CSCD
北大核心
2013年第1期217-223,共7页
流感是一种主要的呼吸道传染病,在普通人群中有着较高的发病率,而对于一些年老和高危病人还有较高的死亡率.研究显示抑制神经氨酸苷酶(NA)可以阻断病毒RNA复制,因此NA是有效治疗H1N1型流感病毒的重要药物靶标.通过计算机方法进行虚拟筛...
流感是一种主要的呼吸道传染病,在普通人群中有着较高的发病率,而对于一些年老和高危病人还有较高的死亡率.研究显示抑制神经氨酸苷酶(NA)可以阻断病毒RNA复制,因此NA是有效治疗H1N1型流感病毒的重要药物靶标.通过计算机方法进行虚拟筛选和预测NA抑制剂已经变得越来越重要.针对酶活性位点进行基于结构的合理药物设计,开发H1N1病毒神经氨酸苷酶抑制剂,已成为药物研究的热点之一.本文通过多种机器学习方法(支持向量机(SVM)、k-最近相邻法(k-NN)和C4.5决策树(C4.5DT))对已知的神经氨酸苷酶抑制剂(NAIs)与非神经氨酸苷酶抑制剂(non-NAIs)建立分类预测模型.其中227个结构多样性化合物(72个NAIs与155个non-NAIs)被用于测试分类预测系统,并用递归变量消除法选择与神经氨酸苷酶抑制剂分类相关的性质描述符以提高预测精度.本研究对独立验证集的总预测精度为75.9%-92.6%,NA抑制剂的预测精度为64.3%-78.6%,非H1N1抑制剂的预测精度为77.5%-97.5%.SVM法给出最好的总预测精度(92.6%).本研究表明支持向量机等机器学习方法可以有效预测未知数据集中潜在的NA抑制剂,并有助于发现与其相关的分子描述符.
展开更多
关键词
机器学习方法
H1N1型流感病毒
神经酰胺酶抑制剂
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H1N1神经氨酸苷酶抑制剂的分类预测
1
作者
吕巍
薛英
孟庆伟
机构
山东农业大学
生命科学学院
山东农业大学生物学博士后科研流动站
四川
大学
化学学院
四川
大学
生物
治疗国家重点实验室
出处
《物理化学学报》
SCIE
CAS
CSCD
北大核心
2013年第1期217-223,共7页
基金
国家重点基础研究发展规划项目(973)(2009CB118500)资助~~
文摘
流感是一种主要的呼吸道传染病,在普通人群中有着较高的发病率,而对于一些年老和高危病人还有较高的死亡率.研究显示抑制神经氨酸苷酶(NA)可以阻断病毒RNA复制,因此NA是有效治疗H1N1型流感病毒的重要药物靶标.通过计算机方法进行虚拟筛选和预测NA抑制剂已经变得越来越重要.针对酶活性位点进行基于结构的合理药物设计,开发H1N1病毒神经氨酸苷酶抑制剂,已成为药物研究的热点之一.本文通过多种机器学习方法(支持向量机(SVM)、k-最近相邻法(k-NN)和C4.5决策树(C4.5DT))对已知的神经氨酸苷酶抑制剂(NAIs)与非神经氨酸苷酶抑制剂(non-NAIs)建立分类预测模型.其中227个结构多样性化合物(72个NAIs与155个non-NAIs)被用于测试分类预测系统,并用递归变量消除法选择与神经氨酸苷酶抑制剂分类相关的性质描述符以提高预测精度.本研究对独立验证集的总预测精度为75.9%-92.6%,NA抑制剂的预测精度为64.3%-78.6%,非H1N1抑制剂的预测精度为77.5%-97.5%.SVM法给出最好的总预测精度(92.6%).本研究表明支持向量机等机器学习方法可以有效预测未知数据集中潜在的NA抑制剂,并有助于发现与其相关的分子描述符.
关键词
机器学习方法
H1N1型流感病毒
神经酰胺酶抑制剂
支持向量机
Keywords
Machinelearning method
H1N1 influenza virus
Neuraminidase inhibitor
Support vector machine
分类号
R96 [医药卫生—药理学]
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H1N1神经氨酸苷酶抑制剂的分类预测
吕巍
薛英
孟庆伟
《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
