一种预测药物活性的神经元计算新方法

提出一种基于全变异算子遗传算法(MGA)的神经元计算新方法，用于辨识复杂药物构效关系。在MGA中，表达变量的各基因使用不同的变异概率，以便提高局部搜索效率。通过将随机初始化技术与局部搜索策略相结合，该算法能在有限时间内得到满意解。使用74个抑制还原酶的嘧啶类化合物所组成的数据集作为构效关系神经元计算的典型对象，用来考核MGA法在预测药效活性计算中的有效性。交叉验证及活性预测试验表明，用MGA法建立的构效关系模型的预测能力优于其他方法。