基于改进的PCA和ISSA-BPNN的定量构效关系预测模型

作者：陈强; 王登文; 铁治欣^*; 洪亮

来源：智能计算机与应用, 2022, 12(07): 84-89.

• BP神经网络
• 最大互信息系数
• 随机森林
• SVR
• XGBoost

为提高药物研发的效率，通常使用定量构效关系(QSAR)模型来预测化合物的生物活性，从而进行筛选和优化。目前，基于统计分析的QSAR随着变量急剧增多变得束手无策，同时预测精度还有提高的空间。基于此，本文提出了一种基于改进的PCA算法对变量进行降维，并利用改进的麻雀搜索算法优化BP神经网络(ISSA-BPNN),以此提高预测的精度。改进的PCA算法先基于Pearson、最大互信息系数(MIC)和随机森林(RF)的加权得分得到主要特征变量，再用PCA算法对原特征进行降维得到主要输入变量；ISSA-BPNN算法优化BPNN的权值和阈值，达到输出稳定和保证全局收敛。以乳腺癌治疗时，化合物对ERα的生物活性数据为例进行了训练和预测。结果表明：本文所提算法预测精度更高，为药物研发提供了一种有效方法。

• 单位
  浙江理工大学; 浙江传媒学院