典型文献
基于机器学习方法的ERα抑制剂活性预测
文献摘要：
雌激素受体α亚型(ERα)被认为是乳腺癌内分泌疗法的重要靶标.本文采用随机森林、支持向量机和多元线性回归方法,对1974个化合物建立ERα抑制剂活性预测模型.利用方差过滤法和Lasso回归思想筛选分子描述符,使用均方误差MSE来评估模型的预测效果.采用随机森林、支持向量机和多元线性回归方法在训练集和测试集上的均方误差分别为0.475和0.553、0.653和0.792、0.709和0.801.结果表明,随机森林优于其他机器学习方法,用于ERα抑制剂的活性预测具有良好的稳健性和预测能力.
文献关键词：
ERα抑制剂;特征筛选;随机森林;支持向量机;多元线性回归
中图分类号：
作者姓名：
杜雪平
作者机构：
湖北工业大学理学院,湖北 武汉 430068
文献出处：
引用格式：
[1]杜雪平-.基于机器学习方法的ERα抑制剂活性预测)[J].科学技术创新,2022(11):1-4
A类：
B类：
基于机器学习,机器学习方法,ER,活性预测,雌激素受体,内分泌疗法,靶标,个化,过滤法,Lasso,分子描述符,均方误差,MSE,训练集,测试集,预测能力,特征筛选
AB值：
0.26952
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
