混合改进的灰狼支向量回归算法用于模拟API在纯离子液体中的可溶性: σ-配置描述符
Imane Euldji1, Widad Benmouloud1, Kamil Paduszyński2
1Faculty of Technology, Department of Process and Environmental Engineering, Biomaterials and Transport Phenomena Laboratory (LBMPT), University of Yahia Fares, Medea 26000, Algeria.
Journal of chemical information and modeling
|February 5, 2024
概括
这项研究开发了一种新型模型,用于预测活性药物成分 (API) 在离子液体 (IL) 中的溶解度. 混合改进的灰狼支持向量回归 (I-GWO-SVR) 模型证明了API-IL系统的卓越预测准确性.
科学领域:
- 物理化学 物理化学
- 计算化学计算化学
- 材料科学 材料科学 材料科学
背景情况:
- 离子液体 (ILs) 为各种应用提供可调节的性能.
- 预测活性药物成分 (API) 在IL中的溶解性对于药物配方至关重要.
- 分子描述符是理解和建模可溶性行为的关键.
研究的目的:
- 开发和验证一个预测模型,用于ILs的API溶解度.
- 为了利用从真实溶剂 (COSMO-RS) 导体样选模型 (COSMO-RS) 获得的 σ 时刻作为分子描述符.
- 采用混合改进的灰狼支持向量回归 (I-GWO-SVR) 算法来提高预测准确度.
主要方法:
- 在83个API-IL系统 (14个API,25个IL) 中收集了850个数据点的数据集.
- 作为分子描述符,利用了,离子和API的s-moment.
- 应用了I-GWO-SVR算法用于溶解度建模.
- 进行了全面的统计分析和外部验证.
主要成果:
- I-GWO-SVR模型显著优于其他11个比较型号.
- 统计因素和图形分析证实了该模型的能力和有效性.
- 灵敏度分析和外部验证证明了强大的预测性能.
结论:
- 拟议的I-GWO-SVR模型在预测ILs中的API溶解度方面非常有效.
- 这项研究验证了 σ-moments 在溶解度建模中作为有效描述符的使用.
- 这种方法为优化药物开发中的API-IL系统提供了可靠的工具.
