典型文献
机器学习在抗乳腺癌候选药物预测模型中的应用
文献摘要：
为了提高抗乳腺癌候选药物特征筛选与模型预测的准确性,提出一种新的多种组合特征筛选方法对抗乳腺癌候选药物——雌激素受体α亚型(ERα)的分子描述符进行特征筛选,并根据筛选的分子描述符构建化合物活性预测(QSAR)模型.采用1DCNN算法模型预测化合物活性,该模型的RMSE、MAE、MAPE评价指标值分别为0.40、0.41和0.08,相比传统随机森林和支持向量机算法的预测效果提高了10％.基于多种组合的特征筛选方法和1DCNN模型预测为药物化合物特征筛选与活性预测提供了新思路,后续可用于其他药物化合物的预测.
文献关键词：
机器学习;乳腺癌;激素受体α亚型;药物预测;组合特征筛选;1DCNN
中图分类号：
作者姓名：
陈枭宇;陈骅桂;随力
作者机构：
上海理工大学健康科学与工程学院,上海 200093
文献出处：
引用格式：
[1]陈枭宇;陈骅桂;随力-.机器学习在抗乳腺癌候选药物预测模型中的应用)[J].软件导刊,2022(12):46-52
A类：
组合特征筛选
B类：
抗乳腺癌,乳腺癌候选药物,药物预测,高抗,筛选方法,雌激素受体,ER,分子描述符,活性预测,QSAR,1DCNN,算法模型,RMSE,MAE,MAPE,指标值,支持向量机算法,药物化
AB值：
0.234369
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。
