基于深度学习的口服生物利用度分类研究.PDFVIP

第 43卷 第 4期 计 算 机 科 学 Vo1．43No．4 2016年 4月 Computer Science Apr2016 基于深度学习的口服生物利用度分类研究 史新字 禹 龙。。 田生伟 叶飞跃。“ 钱 进。“ 高双印 (新疆大学软件学院 乌鲁木齐830008) (新疆大学网络中心 乌鲁木齐830046) (江苏理工学院计算机工程学院 常州213000)。 (江苏理工学院云计算与智能信息处理重点实验室 常州213000) 摘 要 针对采用传统方法测量21服生物利用度(OB)代价昂贵、花费周期长，而现有的一些机器学习方法对其预测 精度较低的问题，提 出了一种基于栈式 自编码 (SAE)神经网络的口服生物利用度分类方法，利用经筛选过的分子特征 结合栈式 自编码模型对生物利用度进行分类。实验表明，与浅层机器学习模型支持向量机 (SVM)以及人工神经网络 (ANN)相比，深度网络对化合物分子的特征有更本质的学习，采用经筛选过的2D和 3D分子特征组合对人体 口服生 物利用度的分类效果较好，其平均预测精度为83 ，灵敏度 (SE)为 94 ，特异性(SP)为49 。 关键词 口服生物利用度，深度学习，分子描述符，栈式 自编码 ，softmax回归 中图法分类号 TP391 文献标识码 A DOI 10．11896／j．issn．1002—137)(．2016．4．053 ResearchonClassificationofOralBioavailabilityBasedonDeepLearning SHIXin-yu YU Long~’。” TIAN Sheng—wei’。’ YEFei—yue。’ QIAN Jin3” GAOShuang—yin (SchoolofSoftware，XiNiangUniversity，Urumqi830008，China) (NetworkCenter，Xi~iangUniversity，Urumqi830046，China) (CollegeofCo mputerEngineering，JiangsuUniversityofTechnology，Changzhou213000，China)0 (KeyLaboratoryofCloudCo mputing IntelligentInformationProcessingofChangzhou． JiangsuUniversityofTechnology，Changzhou213000，China) Abstract Itisexpensiveandtime-consumingtomeasureoralbioavailabilityusingtraditionalmethods．andexistingma— chinelearningmethodsshow loweraccuracy．Tosolvetheproblems，aclassificationmethodofhumanoralbioavailability basedonstackedautoencoder(SAE)waspresented．FilteredfeaturesofmoleculararecombinedwiththemodelofSAE toclassifyhumanoralbioavailability．Experimenta1resultsshow thatthedeepnetworkcanstudymoreessentialfeatures ofmoleculescomparingwithothershallow 1earningmodelslikesupportvectormachineandartificialneuralnetwork， andthecombinationofscreened