基因表達式編程與支持向量機在疾病診斷和QSAR-QSPR中的應用研究.pdf

1、人工智能的發(fā)展對科技和經濟的發(fā)展起了重大的推動作用。尤其在解決復雜優(yōu)化、減少反應時間和促進產品的開發(fā)等方面表現更為突出。隨著科技的進步，大量數據的產生需要有效的方法才能得出更加可行的結果，有利于促進科技的快速發(fā)展。因此研究新的高效數據挖掘方法和尋找規(guī)律已成為人工智能研究的迫切需要。 本文對一種新的數據挖掘方法：基因表達式編程(geneexpressionprogramming，GEP)進行研究，GEP是一種新的機器學習算法，具有

2、優(yōu)異的泛化能力，是由FerreiraC.于1999年根據遺傳算法和遺傳程序發(fā)展而來的。本論文主要對GEP的原理和在定量結構—性質/活性關系(QSPR/QSAR)和疾病診斷方面的進行了應用研究。 第一章：對GEP算法原理、實現步驟以及研究現狀進行了詳細的綜述，并對GEP和支持向量機(supportvectormachines，SVM)在疾病診斷和QSAR中的應用現狀進行了綜述。 第二章：應用GEP和SVM方法對疾病的診斷和

3、發(fā)病率進行預測，包括：(1)用SVM方法對346例(冠心病172例，健康體檢174例)進行了分類判別，同時用線性判別分析方法(lineardiscriminantanalysis，LDA)作為對照研究，對訓練集的預測準確率分別是96.86％和78.18％，測試組的預測準確率分別是90.57％和72.73％；(2)用SVM和LDA算法對70例(腎病綜合征50例，腎小球腎炎20例)進行了診斷，訓練集的預測準確率分別是94.6％和89.86％

4、，測試組的預測準確率分別是78.18％和72.73％。表明用SVM方法建立的模型其預測能力要優(yōu)于LDA；(3)用GEP方法對2003年我國SARS的高發(fā)地區(qū)北京市和山西省的發(fā)病趨勢進行建模預測，其擬合情況與當時SRAS實際發(fā)病和死亡情況基本一致，實驗結果表明其在精度和速度上都優(yōu)于神經網絡算法。 第三章：GEP和SVM方法在藥物性質方面的應用研究：(1)應用啟發(fā)式方法(HM)和支持向量機方法建立了70種藥物與血漿蛋白結合率的定量構

5、效關系模型，研究了分子結構對藥物與血漿蛋白結合率的影響。兩種方法均得到了較好的結果，交互檢驗的相關系數平方(R2)分別為0.80和0.82；通過對模型的穩(wěn)定性和預測能力比較表明，支持向量機建立的QSAR模型能夠更好地預測藥物與血漿蛋白結合率；(2)應用GEP方法建立了抗艾滋病藥物核苷類的定量構效關系模型，研究了分子結構對此類藥物EC50的影響。用HM方法篩選5個描述符建立模型，平均誤差是0.41，而模型的相關系數(R)是091，對GEP

6、和SVM方法建立的模型進行了比較，GEP建立的模型中訓練集和測試集的相關系數分別是0.91和0.63，而SVM方法建立的模型中訓練集和測試集的相關系數分別是0.86和052，不論是測試集還是訓練集的預測結果，GEP都優(yōu)于SVM，因此GEP可以作為一種有效的手段預測核苷類的抗艾滋病藥物的EC50；(3)基于GEP方法建立1，4-二氫吡啶鈣離子通道拮抗劑的半數有效抑制濃度(IC50)，用啟發(fā)式方法篩選6個相關描述符，用GEP建立QSAR模型

7、，得到了很好的預測結果，均方誤差(MSE)是0.19，R2是0.92，本文為藥物篩選和設計提供了一種新而有效的方法。 第四章：GEP和SVM方法在分析化學方面的研究應用：(1)建立了基于啟發(fā)式方法和支持向量機方法的QSAR模型，用于預測α-環(huán)糊精與單取代或1，4-二取代苯衍生物結合后包結物的穩(wěn)定常數。通過計算并用HM篩選6個參數，用于啟發(fā)式方法和支持向量機方法建立QSAR模型，其R值分別是094和0.98，留一法(leave-o

8、ne-out，LOO)交互檢驗的相關系數(RCV)分別為0.92和0.95。因此，用支持向量機方法建立的模型要優(yōu)于啟發(fā)式方法，其預測能力更強，模型的穩(wěn)定性更好；(2)應用啟發(fā)式方法和支持向量機方法建立了88種醛類化合物對大鼠急性毒性的定量構效關系模型，研究了醛類化合物分子結構對大鼠急性毒性的影響。兩種方法均得到了較好的結果，啟發(fā)式方法和支持向量機方法的交互檢驗的相關系數分別為0.90和0.93；通過對模型的穩(wěn)定性和預測能力比較，支持向量