支持向量机在中药肾毒性研究中的应用.pdfVIP

2015年3月l第4O卷第6期 曼蒌，蠡蠹 Vo1．40，No．6lMarch，2015 支持 向量机在中药 肾毒性研究中的应用 张景芳，蒋芦获 ，张燕玲 (北京中医药大学 中药信息工程研究室，北京 100102) [摘要] 计算了111个肾毒化合物和90个无肾毒化合物的6122个分子描述符 ，采用 CfsSubsetEval评价和 BestFirst—D1一N5 搜索相结合的方法筛选特征描述符子集。用支持向量机 (SVM)构建化合物肾毒性判别模型。收集通过造成。肾小管损坏致肾 毒性的39个化合物，与39个无肾毒化合物组成数据集 ，用相同方法构建化合物肾小管损坏判别模型。2个模型的准确率、灵 敏度、特异性 、马修斯相关系数均在70％以上。以22个有肾毒的中药成分作为外部验证集，进一步评价肾毒性判别模型，准 确率达 72．73％。用肾小管损坏模型进一步判别肾毒性模型筛查结果为阳性的中药成分，其中10个中药成分可能通过损害 肾小管致肾脏毒性，6个已有文献佐证。实验结果表明本研究构建的2个模型具有一定的准确性，有助于开展中药肾毒性成 分筛查工作 ，并为进一步研究肾毒性机制提供新思路。 [关键词] 支持向量机；中药成分；肾毒性；肾小管损坏 Applicationofsupportvectormachineapproach in studyingnephron toxicityofChinesemedicinalmaterials ZHANGJing—fang，JIANGLu—di，ZHANGYan—ling (BeringUniversityofChineseMedicine，ResearchCenterofTraditionalChineseMedicine InformationEngineering，Being100102，China) [Abstract] Onthebasisofwebdatabases，111compoundswithnephrotoxicityand90compoundswithoutnephrotoxicitywerecol— lectedasdatasetofnephrotoxicitydiscriminationmodel，39compoundswithtubularnecrosisand39compoundswithouttubularnecro— siswcrecollectedasdatasetoftubularnecrosisdiscriminationmode1．The6122 moleculardescriptors，includingphysicochemical， chargedistribution andgeometricaldescriptorswerecalculatedtochraacterizethemolecularstructureoftheabove--mentionedcon-- pounds．CfsSubsetEvalvaluationmethodandBestFirst．D1．N5searchingmethodwereusedtoselectmoleculardescriptors．Twomodels withhighaccuracywerebuihbasedonthesupportvectormachine(SVM)approach，respectively．Accuracy，sensitivity，specificity andmatthew Scorrelationcoefficientofthetwomodelswereallbaove70％ ．Byusing22nephrotoxicitycompoundsofChinesemedi— cine，thenephrotoxicitydiscriminationmodelwasfurtherverifiedwithna accuracyof72．73％．Usingthetubularnecrosisdiscrimina— tionmodel