目前在药物发现的预测过程中,普遍存在预测成本高、预测结果不理想等问题,因此如何解决这类问题已成为研究热点之一。预测药物渗透性能是评价药物能否被良好吸收的关键,人工测定的过程中包含大量人工干预,而用于预测的数据模型中使用的数据集较小,这些因素易导致特征选择过程复杂及过拟合问题。对药物毒性的预测,虽然也采用了随机森林(RF)等机器学习模型,但同样存在计算成本较高等问题。神经网络是处理分类和回归问题的传统方法,近年来通过不断完善和更新,逐步克服算法本身的局限性,提升算法效率。其中,深度神经网络表现出了强大的自主学习能力,在各应用领域均取得了良好的预测结果。基于以上背景,本文运用深度神经网络学习方法,通过搭建深度神经网络框架,使用大型数据集,对药物渗透性能和毒性的预测进行研究。主要工作包括:(1)鉴于深度神经网络拥有更高的判别能力,使用UG-RNN编码方法,研究最优的UG-RNN网络结构;(2)提出一个基于深度神经网络的二分类模型,用于预测药物的渗透性能,并在实验部分将其与传统的线性判别式分析(LDA)、梯度提升树(GBT)方法进行对比,结果表明,该二分类模型在预测精度上优于对比模型;(3)基于深度学习架构,开发药物毒性的回归预测模型,在回归实验中构建多组数据集,并将最终实验结果与单层神经网络(NN)做比较,结果表明,该回归预测模型的学习性能和预测结果优于NN;(4)将深度神经网络框架与支持向量回归相结合,得到组合回归模型,并测试其性能,通过评价预测精度,表明集合深度的学习方法具有更强大的预测能力。实验部分中,本文采集大量数据,处理后得到8组数据集用于检测模型性能。马伊琾其中药物吸收性能预测实验中,共有663种化合物,209个特征;药物毒性预测实验中,使用475组药物数据作为训练集,198组药物数据作为测试集。为提升算法性能,使用drop-out方法减轻过拟合问题,使用修正线性单元(ReLU)方法减缓梯度消失问题。通过对分类模型和回归模型的预测结果和性能进行讨论和对比分析,表明深度学习的预测结果优于之前其他的机器学习预测模型。 程科,王士同,杨静宇;新型模糊形态神经网络及其应用研究[J];计算机工程与应用;2004年21期 赵奇 ,刘开第 ,庞彦军;灰色补偿神经网络及其应用研究[J];微计算机信息;2005年14期 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（）][C];2009年 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;好创新的“神经网络硬件”[N];中国教师报;2014年 王素琴林 通讯员 华;宇如聪强调用好16个新数据集产品[N];中国气象报;2008年 记者 刘浪 通讯员 廖雅琴;中国首套数字化“可视人”数据集在渝通过鉴定[N];重庆日报;2003年
|