最优支持向量机用于HIV-1蛋白酶抑制剂的QSAR建模

被引:6
作者
宋晓峰 [1 ]
韩平 [2 ]
机构
[1] 东南大学生物科学与医学工程学院生物医学工程系
[2] 南京医科大学附一医院妇产科
关键词
支持向量机; 粒子群算法; HIV-1蛋白酶抑制剂; 构效关系;
D O I
10.16866/j.com.app.chem2007.11.008
中图分类号
R91 [药物基础科学];
学科分类号
1007 ;
摘要
为了建立HIV蛋白酶抑制剂QSAR的优良模型,本文采用粒子群优化法搜索支持向量机的多参数复杂模型空间,以此形成最优支持向量机。通过与传统的梯度下降法、网格搜索法等模型选择方法的比较,采用并行计算的基于PSO算法的最优支持向量机法在模型精度及稳定性、搜索效率等方面都有优良的性能,实例测试也表明所建QSAR模型,有良好的泛化能力,所建模型对研究HIV药物有重要促进作用。
引用
收藏
页码:1475 / 1478
页数:4
相关论文
共 8 条
[1]   HEPT类化合物抗艾滋病活性的定量构效关系研究 [J].
李占潮 ;
吕庆章 .
计算机与应用化学, 2006, (04) :307-312
[2]   HIV-1蛋白酶抑制剂分子设计策略研究进展 [J].
刘建建 ;
刘新泳 .
中国新药杂志, 2006, (04) :247-254
[3]   基于支持向量学习机方法的抗真菌药物活性预测 [J].
李泽荣 ;
陈仕伟 ;
谈宁馨 ;
陈宇综 ;
李象远 .
高等学校化学学报, 2005, (08) :1527-1531
[4]   人类免疫缺陷病毒蛋白酶抑制剂的研究开发与展望 [J].
蔡步林 ;
李卓荣 .
中国生化药物杂志, 2005, (03) :179-182
[5]   基于Java多线程技术实现的粒子群优化算法 [J].
李建勇 ;
俞欢军 ;
张丽平 ;
陈德钊 .
计算机工程, 2004, (22) :134-136
[6]   小分子非肽类HIV蛋白酶抑制剂的计算机辅助分子设计 [J].
陶国新 ;
李兰燕 ;
迟翰林 .
药学学报, 2000, (04) :265-268
[7]   Machine learning for HIV-1 protease cleavage site prediction [J].
Lumini, Alessandra ;
Nanni, Loris .
PATTERN RECOGNITION LETTERS, 2006, 27 (13) :1537-1544
[8]   Choosing Multiple Parameters for Support Vector Machines [J].
Olivier Chapelle ;
Vladimir Vapnik ;
Olivier Bousquet ;
Sayan Mukherjee .
Machine Learning, 2002, 46 :131-159