Please wait a minute...
物理化学学报  2007, Vol. 23 Issue (08): 1141-1144    DOI: 10.1016/S1872-1508(07)60058-8
研究论文     
用支持向量机建立中药有效成分聚集体的预测模型
黄钦; 庄艳; 乔学斌; 徐筱杰
北京大学化学与分子工程学院, 北京 100871
Predicted Model of Aggregation of Molecules in Chinese Herbal Drugs by Support Vector Machines
HUANG Qin; ZHUANG Yan; QIAO Xue-Bin; XU Xiao-Jie
College of Chemistry and Molecular Engineering, Peking University, Beijing 100871, P. R. China
 全文: PDF(288 KB)   输出: BibTeX | EndNote (RIS) |
摘要: 化合物可以形成聚集体, 这种分子聚集体可能对靶点具有混杂抑制活性. 在中药中已经发现这种现象, 为了进一步研究这种现象,使用支持向量机(SVM)方法建立了分子形成聚集体的分类预测模型. 研究表明, 这个模型具有良好的预测能力, 并且具有稳定性. 通过使用现有化合物对该模型进行验证, 发现该模型具有良好的推广能力. 这个模型被用于对中草药有效成分三维结构与性质数据库(CHDD)中的分子的预测.
关键词: 聚集体分类支持向量机    
Abstract: Some molecules can formaggregates in solution that may inhibit several enzymes, known as promiscuous inhibitors. This phenomenon has been found in traditional Chinese medicinal recipes. To study the aggregation, classification model was constructed by the support vector machine (SVM) classifier. The results indicated that this classification model had good stability and good prediction performance. The experimental results had showed that this predicted model had good generalization. The model was also used to predict the molecules in the Chinese herbal drugs database (CHDD) for further research.
Key words: Aggregation    Classification    Support vector machine
收稿日期: 2007-02-09 出版日期: 2007-05-29
中图分类号:  O641  
通讯作者: 徐筱杰     E-mail: xiaojxu@pku.edu.cn
服务  
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章  
黄钦
庄艳
乔学斌
徐筱杰

引用本文:

黄钦;庄艳;乔学斌;徐筱杰. 用支持向量机建立中药有效成分聚集体的预测模型[J]. 物理化学学报, 2007, 23(08): 1141-1144, 10.1016/S1872-1508(07)60058-8

HUANG Qin; ZHUANG Yan; QIAO Xue-Bin; XU Xiao-Jie. Predicted Model of Aggregation of Molecules in Chinese Herbal Drugs by Support Vector Machines. Acta Phys. -Chim. Sin., 2007, 23(08): 1141-1144, 10.1016/S1872-1508(07)60058-8.

链接本文:

http://www.whxb.pku.edu.cn/CN/10.1016/S1872-1508(07)60058-8        http://www.whxb.pku.edu.cn/CN/Y2007/V23/I08/1141

[1] 程晓蒙,焦东霞,梁志豪,魏金金,李宏平,杨俊佼. 聚苯乙烯-聚4-乙烯基吡啶两亲嵌段共聚物在CO2膨胀液体中的组装行为[J]. 物理化学学报, 2018, 34(8): 945-951.
[2] 范雅珣,韩玉淳,王毅琳. Gemini表面活性剂分子结构对其水溶液中聚集行为的影响[J]. 物理化学学报, 2016, 32(1): 214-226.
[3] 周瑜,徐静,王楠楠,尉志武. 超额光谱及其研究进展[J]. 物理化学学报, 2016, 32(1): 239-248.
[4] 何冰,罗勇,李秉轲,薛英,余洛汀,邱小龙,杨登贵. 基于分子描述符和机器学习方法预测和虚拟筛选乳腺癌靶向蛋白HEC1抑制剂[J]. 物理化学学报, 2015, 31(9): 1795-1802.
[5] 董文静,赵剑曦. 尾链长度高度不对称的阴/阳离子表面活性剂自组织[J]. 物理化学学报, 2015, 31(8): 1535-1540.
[6] 陈丽, 薛腾, 朱树燕, 王一萌. 单一模板线性多胺一步合成多级孔ZSM-5沸石微球[J]. 物理化学学报, 2015, 31(1): 181-188.
[7] 陈红丽, 朱树燕, 何建琴, 王一萌. 微米级MEL分子筛聚集体的制备[J]. 物理化学学报, 2014, 30(9): 1727-1735.
[8] 余大启, 涂豫海, 来鲁华. 细菌化学趋向性受体聚集体的相互作用[J]. 物理化学学报, 2014, 30(7): 1347-1353.
[9] 刘芬, 谢丹华, 赵剑曦. 动态光散射研究盐对Gemini表面活性剂网状聚集体的影响[J]. 物理化学学报, 2014, 30(6): 1142-1147.
[10] 时静洁, 陈利平, 陈网桦. 基于迭代自组织数据分析算法与蚁群算法建立有机物黏度的QSPR模型[J]. 物理化学学报, 2014, 30(5): 803-810.
[11] 李秉轲, 丛湧, 田之悦, 薛英. 基于分子描述符和机器学习方法预测和虚拟筛选MMP-13对MMP-1的选择性抑制剂[J]. 物理化学学报, 2014, 30(1): 171-182.
[12] 朱丽杰, 黄丹丹, 李钦堂, 许冠辰, 陈晓. 胆酸盐与Gemini表面活性剂复合物构建的纳米纤维和囊泡[J]. 物理化学学报, 2013, 29(11): 2415-2421.
[13] 丛湧, 薛英. 基于机器学习方法的丙型肝炎病毒聚合酶NS5B非核苷抑制剂的定量构效关系研究[J]. 物理化学学报, 2013, 29(08): 1639-1647.
[14] 王志明, 韩娜, 袁哲明, 伍朝华. 基于岭回归和SVM的高维特征选择与肽QSAR建模[J]. 物理化学学报, 2013, 29(03): 498-507.
[15] 吴旭, 蔡晓新, 王金本, 杨惠, 史学峰. 盐对刷型两亲聚合物聚集行为的调控作用[J]. 物理化学学报, 2013, 29(02): 341-345.