基于复杂抽样和改进决策森林算法的化合物致癌毒性预测方法

摘要

本发明涉及一种基于复杂抽样和改进决策森林算法的化合物致癌毒性预测方法，适用于根据有机小分子结构信息对该化合物进行计算致癌毒性评价和虚拟筛选。首先对分子结构分子采用相关力场进行优化并进行电荷计算，对初始训练集中的化合物进行复杂抽样用于训练子集的产生，并根据复杂抽样算法结果固定描述符的组成计算分子中的各种相关描述符；然后使用基于相关矩阵分析和因子分析方法优化描述符池；最后使用改进的决策森林方法对训练集分子的致癌毒性数据和及其相应化学表征进行数据挖掘，得到分类的预测可信区间，致癌毒性预测模型和判断规则。该方法在高通量虚拟筛选和计算致癌毒性评价中具有良好应用前景。

主权项

1、一种基于复杂抽样和改进决策森林算法的化合物致癌毒性预测方法，其特征在于，所述方法包括如下步骤：a.使用复杂抽样算法完成训练子集产生，采用三层循环基于系统时间的随机数发生器进行化合物的随机挑选，并使用C程序完成训练子集抽样；b.根据复杂抽样算法结果固定描述符的组成计算分子中的各种相关描述符，用于分子的表征并用于分子致癌毒性建模，所述描述符包括电子描述符、空间描述符、结构描述符、热力学描述符和拓扑描述符；c.使用基于相关矩阵分析和因子分析方法优化描述符池；d.使用改进的决策森林方法对训练集分子的致癌毒性数据及其相应化学表征进行数据挖掘，得到分类的预测可信区间和致癌毒性预测模型；e.根据改进的决策森林方法使用C语言开发模块化的有机化合物致癌毒性预测程序；f.根据得到的致癌毒性预测模型，统计所有决策单树中描述符的出现频率，发现与致癌性最相关的描述符与相关规则。