基于启发式方法和支持向量机方法预测药物与人血浆蛋白结合率

应用启发式方法和支持向量机方法建立了70种药物与血浆蛋白结合率的定量构效关系模型, 研究了分子结构对药物与血浆蛋白结合率的影响. 两种方法均得到了较好的结果, 交互检验的相关系数平方分别为0.80和0.82; 通过对模型的稳定性和预测能力比较, 支持向量机建立的QSAR模型能够更好地预测药物与血浆蛋白结合率.     

基于启发式算法和支持向量机算法预测醛类化合物急性毒性

应用启发式算法(HM)和支持向量机算法(SVM)建立了88种醛类化合物对大鼠急性毒性的定量构效关系模型。应用ChemOffice2004软件进行化合物的结构输入,利用半经验方法进行分子结构优化,在CODDESA软件中计算出组成、拓扑、几何、电子和量子化学参数。并用启发式方法筛选出相对阳性电荷、氧原子数量、碳原子的最小亲核反应指数、双键相对数量、碳原子数量、碳氢键之间的最大交换能量、最大σ-σ键序和双键数量8个参数,在此基础上应该多元线性回归和支持向量机方法建立QSPR模型。两种方法均得到了较好的结果,HM和SVM的交互检验的相关系数分别为0.90和0.93;通过对模型的稳定性和预测能力比较,SVM建立的QSAR模型能够更好地预测醛类化合物对大鼠急性毒性LD50。     

支持向量机分类和回归用于肽的QSAR研究

使用支持向量机技术对两类肽化合物体系进行了分类和回归研究,并将其系统地与K最邻近法、多元线性回归、偏最小二乘、人工神经网络进行了比较。结果表明,对于小样本、非线性问题,支持向量机具有较强的稳定性能及泛化能力,在大多数情况下能够得到优于传统方法的建模效果。对于分类问题,支持向量机对训练集和测试集都达到了100%的分类正确率;对于回归问题,支持向量机虽对训练集样本拟合效果略低于人工神经网络,但对外部测试集却表现出较强的预测能力。     

支持向量机方法预测有机物的亨利常数

以有机物摩尔体积V、偶极项π*、氢键给予体的酸性am、氢键接受体的碱性βm等四种理化参数为输入变量,利用支持向量机方法对72种有机物的亨利常数值进行了定量预测研究。研究发现,采用支持向量机方法可以实现使用较少样本数据建模,并达到较好的预测结果。支持向量方法的预测结果远优于线性回归法预测结果。     

支持向量机用于高分子聚合物的折射率预测

支持向量机;定量构性相关;高聚物;折射率     

基于局部核函数与全局核函数支持向量回归优化小样本QSAR建模

为提高小样本定量构效关系(QSAR)预测精度,基于支持向量机全局核函数与局部核函数提出了一种新的建模方法:先依不同核函数筛选描述符,再依保留描述符构建支持向量机回归(SVR)子模型.子模型预测活性值与实验值组成混合样本.以均方误差(MSE)最小为原则,对混合样本再次基于SVR实施核函数寻优与子模型筛选,基于最优核函数和保留子模型以留一法完成预测.对2个小样本体系的QSAR研究表明,该方法兼具局部核函数和全局核函数的优点,既有较强的学习能力,又有较好的推广能力,预测精度高,稳定性好.     

基于支持向量机的高维特征非线性快速筛选与肽QSAR建模

以氨基酸的531个物理化学性质参数直接表征肽的结构, 基于支持向量回归发展了一种新的高维特征非线性快速筛选方法, 将其应用于苦味二肽和血管紧张素转化酶抑制剂2个肽体系的定量序效关系(QSAR)建模, 各筛选获得10个意义明确的保留描述子. 以保留描述子建立支持向量回归模型, 其拟合精度、留一法交叉测试精度和外部预测精度较文献报道结果均有较大幅度提升, 优势明显; 对所建模型进行了非线性回归显著性测验、单因子相对重要性显著性测验和单因子效应分析, 增强了模型的可解释性. 新方法在肽、蛋白质QSAR建模等高维数据回归预测领域有广泛应用前景.     

蛋白质组质谱分析中基于串并联支持向量机的肽段色谱保留时间预测方法

基于质谱的大规模蛋白质鉴定中,在线液相色谱分离发挥了重要作用。色谱保留时间(retention time,RT)是肽段鉴定和定量的重要信息。由于整个色谱分析运行时间中,流动相中的有机相采用了非线性浓度曲线以及样品中肽段之间的相互影响等因素,基于肽段序列的RT预测还存在精度不高、模型推广性能差等问题。本文提出了一种基于串并联支持向量机(serial and parallel support vector machine,SP-SVM)的RT预测方法,能够表征洗脱过程中有机相浓度的非线性变化和肽段之间的相互影响,显著提高了肽段保留时间预测的精度。利用复杂样本数据集验证结果表明,预测RT和实验RT之间的决定系数达到了0.95,超过95%的鉴定肽段的RT预测误差范围小于总运行时间的20%,超过70%的鉴定肽段的RT预测误差范围小于总运行时间的10%。本文提出的模型的性能达到了目前已知的最好水平。     

基于支持向量机的低分辨核磁共振氢谱法快速预测喷气燃料密度

密度是喷气燃料生产、储运、加注过程中重要的质量指标。为了实现喷气燃料密度的快速、准确测定,提出了一种基于支持向量机（SVM）的低分辨核磁共振氢谱法预测喷气燃料密度。采集喷气燃料样品密度数据和低分辨核磁共振氢谱,利用网格寻优算法和训练集内部五折交叉验证方法优化建模参数。以均方误差和相关系数为指标,通过正交试验对影响模型性能的数据预处理方法进行优化,并对谱图特征的提取方式进行考察。在优化条件下建立的定量分析模型比偏最小二乘法模型预测准确度更高。所建模型对6个油样的预测值与标准值的相对偏差均低于0.3%,模型可应用于喷气燃料密度的快速分析。     

基于支持向量机的液体推进剂分析方法研究

本文提出了使用支持向量机(SVM)算法,不经分离同时测定某推进剂中三种组分的分析方法。基于Matlab平台下运用Libsvm工具箱进行推进剂的支持向量机回归分析,三种组分分析结果的标准误差分别为:2.87×10-2、1.01×10-3、6.67×10-5。与常规的化学滴定法和BP神经网络法分析结果相比,准确度和精密度都有较大程度的提高,可以满足常规化学分析要求而应用于实际测定。     

海水中铁(Ⅲ)-二元有机酸盐配合物的光化学反应研究

采用实验室模拟的方法研究了高压汞灯模拟日光照射下铁(Ⅲ)-二元有机酸盐配合物在天然海水中的光化学反应.结果发现,在二元有机酸盐配体的存在下,铁(Ⅲ)发生光化学反应生成还原态的铁(Ⅲ),铁(Ⅲ)会被溶液中的氧再氧化为铁(Ⅲ).铁(Ⅲ)的光还原反应速率受到配体浓度、pH、光强以及温度的影响.在二元有机酸与Fe(Ⅲ)浓度配比大于2的情况下,Fe(Ⅲ)-二元有机酸盐配合物的光还原反应初期铁(Ⅲ)浓度的增长符合一级动力学反应规律,100min后浓度趋于稳定,方程式为[Fe(Ⅲ)]t=kOA[OA]·[Fe(Ⅲ)]ini×[1-exp{-(kOA[OA]+kox)t}]/(kOA[OA]+kox).光强升高和pH降低都能加快光还原反应速率,而改变温度则基本上对光还原反应速率无影响,证明铁(Ⅲ)的光还原反应为自由基引发的电子转移过程.     

基于支撑向量机方法的有机化合物的生成Gibbs自由能的预测

基于支撑向量机方法的有机化合物的生成Gibbs自由能的预测;支撑向量机;多元线形回归;吉布斯自由能     

烟草组分的近红外光谱和支持向量机分析

测定了120个产自福建、安徽和云南烟草样品的近红外光谱. 在利用支持向量机(SVM)技术建立其定量、定性分析模型之前, 用小波变换技术对光谱变量进行了有效的压缩, 然后采用径向基核函数建立了75个烟草样品的分类模型, 同时建立了总糖、还原糖、烟碱和总氮4个组分的定量分析模型, 并利用45个烟草样品对模型进行了检验. 仿真实验表明, 建立的SVM分类模型分类准确率达到100%, 而4个组分的定量分析模型的预测决定系数(R2)、预测均方差(RMSEP)和平均相对误差(RME)3个指标值显示其模型泛化能力非常强, 预测效果良好, 可见这是一种有效的近红外光谱的建模分析方法.     

基于机器学习方法的丙型肝炎病毒非结构蛋白5B聚合酶抑制剂活性预测

在丙型肝炎病毒(HCV)的基因复制和蛋白质成熟的过程中, 非结构蛋白5B(NS5B)作为RNA依赖的RNA聚合酶起到了重要的作用. 抑制NS5B聚合酶可以阻止丙型肝炎病毒的RNA复制, 因此成为一种治疗丙型肝炎的有效方法. 通过计算机方法进行虚拟筛选和预测NS5B聚合酶抑制剂已经变得越来越重要. 本文主要采用机器学习方法(支持向量机(SVM)、k-最近相邻法(k-NN)和C4.5决策树(C4.5 DT))对已知的丙型肝炎病毒NS5B蛋白酶抑制剂与非抑制剂建立分类预测模型. 1248个结构多样性化合物(552个NS5B抑制剂与696个非NS5B抑制剂)被用于测试分类预测系统, 并用递归变量消除法选择与NS5B抑制剂相关的性质描述符以提高预测精度. 独立验证集的总预测精度为84.1%-85.0%, NS5B抑制剂的预测精度为81.4%-91.7%, 非NS5B抑制剂的预测精度为78.2%-87.2%. 其中支持向量机给出最好的NS5B抑制剂预测精度(91.7%); C4.5决策树给出最好的非NS5B抑制剂预测精度(87.2%); k-最近相邻法给出最好的总预测精度(85.0%). 研究表明机器学习方法可以有效预测未知数据集中潜在的NS5B抑制剂, 并有助于发现与其相关的分子描述符.     

支持向量机结台主成分分析辅助激光诱导击穿光谱技术识别鲜肉品种

为提高激光诱导击穿光谱技术(Laser-induced breakdown spectroscopy,LIBS)对鲜肉品种的识别率,采用支持向量机结合主成分分析算法辅助LIBS技术对鲜肉品种进行识别.对鲜肉切片用载玻片压平,采用LIBS技术对鲜肉组织(猪肉、牛肉和鸡肉)表面进行光谱数据的采集,每种鲜肉采集150幅光谱并进行随机排列,取前75幅光谱作为训练集建立模型,后75幅作为测试集测试建模结果.研究选取K、Ca、Na、Mg、Al、H、O等元素的49条归一化谱线数据进行主成分分析,并用所得数据建立支持向量机分类模型.结果表明,通过主成分分析降维,输入变量从49个优化减少到18个,模型建模速度从88.91 s降至55.52 s,提高了支持向量机的建模效率;并使预测集的平均识别率提高到89.11%.本研究为激光诱导击穿光谱技术在鲜肉品种快速分类领域提供了方法和数据参考.