基于遗传算法神经网络的抗乳腺癌候选药物优化建模

摘要

乳腺癌已经成为危害全球女性健康的主要癌症之一。拮抗ERα活性的化合物可能是治疗乳腺癌的候选药物,本文通过对1974个与ERα的生物活性有关的化合物进行研究,对分子描述符进行斯皮尔曼等级相关性分析,为了降低变量之间相关性对结果的影响,还需进行系统聚类分析,提取其中20个对ERα的生物活性影响最大的分子描述符。采用遗传算法优化的BP神经网络建立出ERα生物活性定量预测模型,再利用支持向量机SVM算法构建化合物ADMET性质分类预测模型,最后利用多目标优化思想结合遗传算法寻优,得出了使抗乳腺癌药物具有最优效果的分子描述符及其取值。