基于PSO-BP神经网络与PSO-SVM的抗乳腺癌药物性质预测

来源：南京信息工程大学学报·自然科学版杂志2023年第1期北京时间：

作者：许美贤，郑琰，李炎举，吴伟豪

单位：许美贤,南京林业大学 汽车与交通工程学院, 南京, 210037,郑琰,南京林业大学 汽车与交通工程学院, 南京, 210037,ZhengYan3210@163.com李炎举,南京林业大学 汽车与交通工程学院, 南京, 210037,吴伟豪,南京林业大学 汽车与交通工程学院, 南京, 210037

摘要：通过实验筛选研发新药的过程非常缓慢且需耗费大量的人力物力,而利用计算机辅助预测药物的分子性质可极大地节省药物研发时间和成本.因此,为了能够使抗乳腺癌候选药物对抑制ERα具有良好的生物活性和ADMET性质,针对收集到的1974种化合物,首先利用随机森林分类器筛选出前20个对生物活性最具显著影响的分子描述符,并以此和pIC50值作为特征数据建立QSAR模型.其次,基于PSO优化BP神经网络对50个新化合物的生物活性值进行预测,模型拟合度为0.8337,根均方误差为0.7315,比优化前的BP神经网络预测值更贴合实际.随后为提高药物研发的成功率,依据已有的ADMET性质数据利用PSO优化SVM构建ADMET分类预测模型,算法交叉验证CV准确率达到94.0767％,5个指标模型的预测准确率均在79％以上.结果表明,所建立的模型比基准模型的预测性能更好,采用的预测策略是有效的,可为抗乳腺癌药物的研发提供借鉴.

关键词：抗乳腺癌药物;生物活性;ADMET性质;粒子群优化算法;BP神经网络;支持向量机

基金资助：国家自然科学基金(71701099,71501090);江苏省高等学校自然科学研究项目(17KJB580008)