基于机器学习的COX抑制剂预测模型研究

来源：计算机技术与发展杂志2017年第10期北京时间：

作者：聂长森;白勇;柳贤德

摘要：针对目前COX(环氧合酶)抑制剂较少且抑制效果差的问题,以及传统的化学实验筛选COX抑制剂分子的方法中成本高且效率低的问题,基于机器学习算法,提出并建立了一种COX抑制剂的预测模型.该模型可高效且准确地找到COX抑制剂,通过大量搜集文献中的数据建立数据集,使用Mold2软件计算化合物分子描述符,利用自组织特征映射神经网络(SOM)划分训练集和测试集,应用随机森林(RF)和支持向量机(SVM)等机器学习算法分别建立了COX抑制剂预测模型.实验对比发现,SOM结合RF算法较传统化学实验方法具有更好的预测精度,且预测效率也有大幅提升.实验研究表明,基于自组织神经网络和随机森立的机器学习方法建立的COX抑制剂预测模型,具有很好的分类预测效果,可以为COX抑制剂的分析与预测提供有力的研究工具.

关键词：COX抑制剂;机器学习方法;自组织特征神经网络; 随机森林;支持向量机