1,4-二氢吡啶类药物定量构效关系的MATLAB程序预测

摘要

文章介绍了MATLAB在药物筛选预测方面的研究概况。这些有关数值预测的方法主要可分为两类,回归方程法和神经网络法。回归方程方法预测的本质是从已知数据中计算出回归方程,再从拟合的回归方程线的走向趋势来获得未知的数据。为了得到未知的数据,本质上人工神经网络方法是根据某种可学习的原则,从已知的数据集合向未知的数据集合进行映射。对MATLAB中神经网络和回归方程原理进行分析并提出了对应的预测模型。详细介绍了程序构建的过程,包括药物分子描述符的选取、训练以及测试数据的准备等几部分。文中以1,4-二氢吡啶类药物的熔点和半数有效浓度预测为例,在本设计中分别采用了两种方式进行预测:一种是直接利用回归方程建模,另一种是先对样本中大于1的数据进行变换,使其在从-1到1的范围之内,再用神经网络建模。而在后者中,又分别用了两种常用的函数进行神经网络建模,并对不同的隐含层节点数进行测试。分别进行两种方式的建模和测试对比,结果表明,神经网络的预测模型虽然在前期的数据处理以及选择中间隐含层节点数的过程比较繁琐,但是训练成功的人工神经网络方法在预测准确率方面比回归方程方法取得更好的效果。应用人工神经网络进行1,4-二氢吡啶类药物半数有效浓度预测是一种比较好的方法。本研究设计的模型可对同类型1,4-二氢吡啶类药物的筛选和设计提供有意义的参考借鉴。