支持向量机与kstar模型预测细胞色素p450酶催化的氧脱烃反应

分别以支持向量机(svm)和kstar方法为基础,构建了代谢产物的分子形状判别和代谢反应位点判别的嵌套预测模型.分子形状判别模型是以272个分子为研究对象,计算了包括分子拓扑、二维自相关、几何结构等在内的1280个分子描述符,考查了支持向量机、决策树、贝叶斯网络、k最近邻这四种机器学习方法建立分类预测模型的准确性.结果表明,支持向量机优于其他方法,此模型可用于预测分子能否被细胞色素p450酶催化发生氧脱烃反应.代谢反应位点判别模型以538个氧脱烃反应代谢位点为研究对象,计算了表征原子能量、价态、电荷等26个量子化学特征,比较了决策树、贝叶斯网络、kstar、人工神经网络建模的准确率.结果显示,kstar模型的准确率、敏感性、专一性均在90%以上,对分子形状判别模型筛选出的分子,此模型能较好地判断出哪个c―o键发生断裂.本文以15个代谢反应明确的中药分子为验证集,验证模型准确性,研究结果表明基于svm和kstar的嵌套预测模型具有一定的准确性,有助于开展中药分子氧脱烃代谢产物的预测研究.