通过拓指数和机器学习预测骨癌药物特性
W Eltayeb Ahmed1, Muhammad Farhan Hanif2, Ebraheem Alzahrani3
1Department of Mathematics and Statistics, College of Science, Imam Muhammad Ibn Saud Islamic University (IMSIU), Riyadh, Saudi Arabia.
Scientific reports
|August 24, 2025
概括
这项研究使用基于邻近度的拓指数来预测抗癌药物特性. 四边形和随机森林模型显示了强大的药物反应指标预测性能.
科学领域:
- 化学信息学
- 医学化学
- 计算化学
背景情况:
- 化学图形理论和拓指数对于理解分子结构和特性至关重要.
- 定量结构与属性关系 (QSPR) 研究对于药物发现和开发至关重要.
研究的目的:
- 通过基于邻近度的拓指数探索抗癌药物的有效性.
- 对药物反应指标的回归和机器学习模型的预测性能进行比较.
主要方法:
- 为15种抗癌药物构建基于社区的分子图.
- 基于邻近度的拓指数的计算.
- 用二次,立方和随机森林回归模型应用QSPR方法.
主要成果:
- 在预测药物反应指标方面,二次模型通常优于立方模型.
- 随机森林模型表现出高精度和最小的误差.
- 拓指数在预测沸点,折射率和表面积等属性方面被证明是有效的.
结论:
- 基于邻近度的拓指数是化学信息学中宝贵的工具.
- 开发的QSPR模型可以准确预测抗癌药物反应.
- 这种方法有助于合理设计和选择潜在的候选药物.
更多相关视频
09:53Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography
Published on: August 16, 2020
7.3K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
