基于粒子群优化支持向量机预测哒嗪类HCV NS5B聚合酶抑制剂的抑制浓度的方法技术

本发明专利技术公开了一种基于粒子群优化（PSO）支持向量机（SVM）预测哒嗪酮类HCV?NS5B聚合酶抑制剂的抑制浓度的方法，包括如下步骤，1）样本集的建立与优化；2）抑制剂分子描述符的计算；3）分子描述符数据集的预处理；4）抑制剂分子描述符数据集的重新标度；5）数据集的划分；6）支持向量机参数的优化；7）建立模型；8）预测。本发明专利技术是一种基于PSO算法的SVM参数选择方法，利用PSO强劲的全局搜索能力实现模型的优化，通过哒嗪酮类HCV?NS5B聚合酶抑制剂的结构与其抑制浓度建立关系模型，对其抑制剂的抑制浓度进行准确预测，验证了该方法的有效性，这对其他抑制剂的抑制浓度的预测提供了较好的方法，并能够对未知输出做出尽可能准确的预测。

【技术实现步骤摘要】

【技术保护点】
一种基于粒子群优化支持向量机预测哒嗪酮类HCV?NS5B聚合酶抑制剂的抑制浓度的方法，其特征在于：包括如下步骤，1）样本集的建立与优化收集哒嗪酮类HCV?NS5B聚合酶抑制剂的分子结构及与其相对应的抑制浓度，对收集的分子结构进行构象优化，寻找出每种抑制剂分子的最低能量状态；2）抑制剂分子描述符的计算输入哒嗪酮类HCV?NS5B聚合酶抑制剂的分子结构，计算出与其结构对应的分子描述符值，该分子描述符由若干个分量组成；3）抑制剂分子描述符数据集的预处理简化删除没有研究价值的抑制剂分子描述符，降低冗余度；4）抑制剂分子描述符数据集的重新标度将预处理后的抑制剂分子描述符集映射到[0，1]区间，映射公式为：其中，x是入哒嗪酮类HCV?NS5B聚合酶抑制剂分子描述符的原始值，xpre?是哒嗪酮类HCV?NS5B聚合酶抑制剂分子的重新标度后的值，xmax和xmin分别对应哒嗪酮类HCV?NS5B聚合酶抑制剂分子描述符的最大值和最小值；5）数据集的划分将步骤2）至4）处理后样本集所构建的数据集用欧氏距离法划分为训练集和测试集；6）支持向量机参数的优化采用粒子群算法对支持向量机参数进行优化后，根据最小均方根误差MSE的最小化原则选择预测模型的最佳参数；7）建立模型用训练集和粒子群优化后的支持向量机参数建立抑制剂分子结构与其抑制浓度的关系模型，即QSAR模型；8）预测哒嗪酮类HCV?NS5B聚合酶抑制剂的抑制浓度根据所述步骤5）所得测试集与所述步骤7）所建立的关系模型来预测哒嗪酮类HCV?NS5B聚合酶抑制剂的抑制浓度。604244dest_path_image002.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：卢小泉，张丽萍，陈晶，夏红，王莉，马琳琳，张村，
申请(专利权)人：西北师范大学，
类型：发明
国别省市：