基于异常度的拓描述符的作用,用监督机器学习算法来预测抗HIV药物的属性
Shahid Zaman1, Wakeel Ahmed2, Muhammad Kamran Siddiqui3
1Department of Mathematical and Physical Sciences, College of Arts and Sciences, University of Nizwa, 616, Nizwa, Sultanate of Oman.
Computers in biology and medicine
|March 28, 2025
概括
这项研究使用化学图形理论和机器学习来分析抗HIV药物结构. 这些发现有助于预测新的候选药物,并提高药物的有效性.
科学领域:
- 化学信息学 化学信息学
- 计算化学计算化学
- 药物发现 药物发现 药物发现
背景情况:
- 化学图表表示分子结构,有助于化学信息学.
- 拓指数 (TI) 以数值方式描述分子图,将结构与属性相关联.
- TI对于预测生物活动和设计有效药物至关重要.
研究的目的:
- 使用化学图概念检查抗艾滋病毒药物的分子特性和结构设计.
- 使用监督机器学习开发一种针对抗艾滋病毒药物候选者的预测模型.
- 在这种情况下,比较Random Forest和XGBoost算法的性能.
主要方法:
- 化学图形理论的应用来表示分子结构.
- 利用监督机器学习算法,包括随机森林和XGBoost.
- 对拓指数进行结构-活动关系评估的分析.
主要成果:
- 确定影响抗HIV药物疗效的关键分子特征.
- 开发一种能够识别潜在新药候选者的预测模型.
- 对随机森林和XGBoost算法的有效性进行比较分析.
结论:
- 化学图形理论与机器学习相结合,为抗艾滋病毒药物发现提供了一种强大的方法.
- 开发的预测模型可以显著提高识别新型抗艾滋病毒疗法的效率.
- 这种方法支持设计更有效的药物,并加速药物开发管道.


