基于机器学习和高通量计算筛选金属有机框架的甲烷/乙烷/丙烷分离性能

针对天然气中的甲烷、乙烷、丙烷(C₁、C₂、C₃)气体分离困难的问题,本工作采用高通量计算了137953种假设的金属有机框架(Metal-organicframework,MOF)对这三种混合气体的吸附分离吸能.为了避免水蒸气的竞争吸附,首先,筛选出31399种疏水性MOF.然后,单变量分析了这些MOF的最大孔径(LCD)、孔隙率(Φ)、体积比表面积(VSA)、亨利系数(K)、吸附热(Q_st)、密度(ρ)共六种MOF结构/能量描述符与MOF对C₁、C₂、C₃的选择性、吸附量及两者权衡值(Trade-off between S_i/j and N_i, TSN)的关系,发现了吸附量和选择性"第二峰值"的存在;尤其对于C₁、C₂的分离,所有最优MOF都分布在第二峰值区间.随后采用决策树、随机森林(Random forest, RF)、支持向量机和反向传播神...     

基于机器学习方法的激素敏感脂肪酶抑制剂活性预测(英文)

脂肪组织中,激素敏感脂肪酶(HSL)被认为是调节脂肪酸代谢的关键限速酶.HSL在糖尿病的发病过程中起重要作用,抑制HSL活性有助于糖尿病的治疗,因此探索新颖的HSL抑制剂成为当前研究的热门.在激素敏感脂肪酶的作用机制和三维结构缺乏的情况下,需要发展预测HSL抑制剂的方法.本文采用几种机器学习方法(支持向量机(SVM)、k-最近相邻法(k-NN)和C4.5决策树(C4.5DT))对已知的HSL抑制剂与非抑制剂建立分类预测模型.252个结构多样性化合物(123个HSL抑制剂与129个HSL非抑制剂)被用于测试分类预测系统,并用递归变量消除法选择与HSL抑制剂相关的性质描述符以提高预测精度.本研究对独立验证集的总预测精度为75.0%-80.0%,HSL抑制剂的预测精度为85.7%-90.5%,非HSL抑制剂的预测精度为63.2%-68.4%.支持向量机方法给出最好的总预测精度(80.0%).本研究表明支持向量机等机器学习方法可以有效预测未知数据集中潜在的HSL抑制剂,并有助于发现与其相关的分子描述符.     

采用高斯过程模拟预测域／肽识别和相互作用

细胞信号网络中的蛋白质相互作用常通过结合一折叠偶合方式实现,即来自一方蛋白的刚性肽识别域与来自另一方蛋白表面的一段柔性寡肽片段发生识别和结合,从而介导母体蛋白相互作用．深入分析域／肽识别和相互作用的理化性质及精确预测其作用行为,能够有效揭示细胞信号转导的分子基础．该研究将一种新型非线性机器学习方法即高斯过程（GP）,用于预测和分析4类域／肽体系数千个样本的亲和力数值和序列结构特征,并与传统偏最小二乘回归（PLS）及支持向量机（SVM）技术加以系统比较．结果表明,GP建模性能不亚于广泛使用的SVM,显著优于经典PLS．此外,GP能够较好处理线性和非线性混合问题、自动确定模型结构、能够通过超参数解释体系噪音纳入和变量贡献,给出预测结果的置信评估,这些特点皆是传统方法所不具备的．鉴于此,可以认为GP是一种具有开发潜力的机器学习策略,不仅可供分析域／肽识别和相互作用,还可用于解决和处理其他生物相关问题．     

基于分子描述符和机器学习方法预测和虚拟筛选MMP-13对MMP-1的选择性抑制剂

基质金属蛋白酶-13(MMP-13)为预防和治疗骨关节炎(OA)提供了充满希望的靶标.通过抑制剂来阻断MMP-13的活性将会对治疗OA疾病产生潜在的作用.然而,宽谱抑制剂同样抑制MMP家族的其它成员,特别是MMP-1,这将会导致肌与骨的综合症.因此,设计和发现潜在的MMP-13相对于MMP-1的高效选择性抑制剂,在对治疗OA新型药物的研发中具有相当重要的现实意义.本研究通过两种机器学习方法(ML):支持向量机(SVM)和随机森林(RF)来建立分类模型,用于预测不同结构的MMP-13对MMP-1的选择性抑制剂.所建这些模型的预测效果都已经达到了令人满意的精度.在这两种ML模型中,RF对于MMP-13选择性抑制剂和非抑制剂的精度分别达到97.58%和100%.同时,与MMP-13对MMP-1的选择性抑制最相关的分子描述符也基于不同的特征选择方法被两种模型挑选出来.最后,用预测效果最好的RF模型虚拟筛选了ZINC数据库的"fragment-like"子集,从而得到了一系列潜在的候选药物.研究表明,机器学习方法,特别是RF方法,对于发现潜在的MMP-13选择性抑制剂十分有效.同时还得到了一些与MMP-13的选择性抑制相关的分子描述符.     

基于蓄水池抽样的智能医保动态风险决策及应用

医保风险决策在实际应用中的难点是投保人的患病具有不确定性,为此尝试利用机器学习耦合蓄水池抽样建立动态预测模型,辅助医保公司开展智能风险决策.具体做了三个方面的工作:首先,构建了医保风险决策模型,并从理论上得到了最优决策规则;然后,基于样本量固定的历史数据,搭建了智能医保静态风险决策的框架;最后,为改进静态智能预测对于风险决策指导的滞后性,提出将机器学习耦合蓄水池算法开展智能动态风险决策的思路,在不断更新的数据集上进行动态抽样,建立随时间动态更新的预测模型.以投保病种为糖尿病为例,选用2017年天池精准医疗大赛——人工智能辅助糖尿病风险预测相关数据.鉴于数据特征变量维度高且类型复杂,因此选用的机器学习算法为随机森林.对样本量相同的训练集以及同一测试集进行实验和对比,结果表明:基于动态预测的决策模型效果优于静态决策模型.     

中国制造业企业绩效分化的关键影响因素识别及传导网络图解——基于机器学习组合算法的研究

大数据相关研究和机器学习方法为寻找中国制造业绩效分化的关键因素,以及探索关键因素对绩效分化的传导路径提供了新途径。本文基于岭回归和套索算法(LASSO)筛选出中国制造业绩效分化的重要影响因素,构建了贝叶斯网络确定制造业绩效分化对关键因素的依赖程度,结果显示:中国制造业企业绩效分化的最重要影响因素为资本生产率,制造业遵循“资本效率驱动型”而非“资本数量驱动型”的绩效增长模式。原材料工业企业绩效分化影响因素中杠杆率的重要度相对较低,装备制造业资本密集型的特点决定了企业绩效分化中资金成本和资产流动性的主要作用,消费品工业企业能否实现规模经济也是影响其绩效水平高低的重要因素。     

基于机器学习的土地估值方法

文章将基于互联网的区位信息和区域经济因素纳入土地评估,选取土地市场网“招拍挂”出让数据构建训练和测试样本,建立城市土地评估的回归、树、神经网络和深度学习四套模型,并对模型的预测能力和稳健性进行评价.研究表明,XGBoost估值效果最优,适用于不同类型用地.此外,文章发现土地基本属性、区位和宏观经济这三类因素均对土地估值有不可或缺的作用,其中监测地价和容积率上限的贡献度最大,说明宏观市场价格和可利用程度是最重要的影响因素.     

基于高斯核支持向量机的商品期货市场套利研究

基于高斯RBF核支持向量机预测棉花商品期货主力和次主力合约协整关系的价差序列,确定最优SVM参数,并选择合适的开平仓阈值,进行同品种跨期套利.再与多项式核支持向量机套利结果对比,得到在所有开平仓阈值上,基于高斯RBF核支持向量机套利的收益率都明显高于多项式核支持向量机套利的收益率.     

基于机器学习技术的系统性金融风险监测预警

相对于传统的经济建模手段,机器学习方法具有良好的非线性建模性能等内在优点,从而显示出巨大的应用潜力。本文提出了一个基于机器学习技术的系统性金融风险监测预警体系,并从理论依据和实证检验双重角度给出了解释和验证。具体而言,从经济基本面、货币供给面、财政状况、证券和利率市场、价格指数、外汇和汇率市场、杠杆率及银行体系8个层面选取预测预警指标,并采用5种典型的机器学习模型及其集成模型对系统性金融风险进行预测,研究结果表明：(1)相对于传统的线性模型,善于捕捉非线性关系的机器学习模型,无论是在样本内还是在样本外均表现优异;(2)Lasso模型在向前一期预测时表现最好,SVM模型在向前多期预测时能力更强,集成模型则能兼顾样本内拟合效果和样本外预测能力,具有较强的稳健性;(3)PDP模型可以对特征的非线性性和重要性进行有效识别,从而有助于打开机器学习的黑箱;在所有预测预警变量中,汇率、货币供给量、市场利率以及工业品价格是影响系统性金融风险的关键因素,通过对这些重点变量的监测有助于对系统性金融风险进行早期防范。     

低秩矩阵恢复的混合型增广拉格朗日乘子算法CSCD

1引言低秩矩阵恢复问题,又称为鲁棒主成分分析问题或稀疏低秩矩阵分解问题,是指在较少的观测值的基础上恢复出原始矩阵.该问题来源于许多领域,如协同过滤[1,2,3],机器学习[4],图片对齐[5],信号处理[6]和量子态层析成像[7]等等.在文献[8,9,10]中,低秩矩阵恢复问题可以看作是将向量的稀疏表示推广到低秩矩阵的情形,也就是说当矩阵中某些元素严重缺失时,自动识别出损坏的元素并恢复原始矩阵[11].