随着互联网技术的高速发展,各式各样的数据愈发趋于高维化、多量化。这种海量高维特征给数据挖掘和机器学习算法在自然语言处理、计算机视觉、基因工程等实际应用上带来了前所未有的挑战。大数据时代的海量数据与高维特征不可避免的带来“维数灾难”与“过拟合”问题,不仅会降低机器学习算法性能,还给计算过程带来指数级增长的时间复杂度和空间复杂度。因此,进行快速有效的特征筛选实为数据处理中的一项重要工作。若能用各种方法从原始数据集中剔除冗余和无关特征,从中获得最具代表性、最有研究意义的数据特征子集,仅在关键特征上构建模型,即可提升模型泛化性能,大幅降低运算所需时间复杂度和空间复杂度。本文提出一种融合高维扩展连接分子指纹(ECFPs)的LASSO稀疏筛选与深度神经网络的算法模型(Screening for lasso of ECFPs and Deep Neural Nets,SED),旨在预测配体分子生物学活性,识别与G蛋白偶联受体(GPCR)相互作用密切相关的关键子结构。SED算法由三个模块组成:(1)配体分子ECFP指纹生成模块,生成细粒度的高维特征,更好地表征配体分子;(2)LASSO特征筛选模块,采用LASSO算法获得稀疏解,对应ECFP中关键子结构,基于EDPP策略对特征筛选过程进行加速;(3)基于DNN回归模型的生物学活性预测模块,基于特征筛选出的关键子结构预测配体分子与对应GPCR的生物学活性。在16个GPCR数据集上对SED进行评估,结果表明SED在预测和解释配体分子生物学活性方面取得了优异性能,特别是配体分子样本不足的数据集。最后对筛选出的关键子结构进行特征回溯,给出通过SED得出的300维关键子结构的可视化具体实例。