基于核主成分與支持向量機的體內(nèi)藥物代謝預測.pdf

1、藥物體內(nèi)清除率的預測，不僅可以減少臨床實驗的風險與代價，更可以實現(xiàn)新藥的快速批量篩選，對新藥開發(fā)過程縮短研發(fā)周期，減少研發(fā)費用和降低研發(fā)代價等有著重大的理論和現(xiàn)實意義。本文采用了核主成分分析算法和支持向量機算法對藥物體內(nèi)清除率進行建模分析。核主成分分析是非線性主成分提取中的一項新技術，在特征提取，噪聲處理上有很好的應用。支持向量機對小樣本問題的模式識別，函數(shù)逼近等也有良好的效果。本文內(nèi)容主要分四個部分：
　　 第一部分：在閱讀了

2、國內(nèi)外大量的文獻的基礎上，對藥物體內(nèi)清除率預測的研究現(xiàn)狀作了詳細的介紹。另外也對核主成分算法和支持向量機的特點簡單的做了描述。
　　 第二部分：對藥物體內(nèi)清除率的體內(nèi)外模型進行了仔細的研究，并針對各種藥物體內(nèi)預測模型的特點以及核主成分分析算法和支持向量機算法的特點，選擇了體外肝微粒體實驗模型的實驗數(shù)據(jù)作為模型的輸入?yún)?shù)來源。
　　 第三部分：對核主成分分析算法進行了詳細的研究，并針對其在處理小樣本問題時易受極值點干擾的問

3、題，提出了一種加權函數(shù)的核主成分分析算法。實驗表明，改進后的算法對干擾點有很好的魯棒性。另外，對誤差函數(shù)的理論分析表明，該算法能夠很好的解決迭代誤差收斂性問題。之后，又用改進的核主成分算法對肝微粒實驗的體外實驗數(shù)據(jù)進行了分析，結果表明，采用基于距離的改進核主成分分析算法進行二維主成分提取，能夠有效的對樣本點進行酸堿性分類。
　　 第四部分：首先對支持向量機算法做了比較詳細分析和推導。然后用核主成分算法得到的二維主成分數(shù)據(jù)進行藥物