论文部分内容阅读
将支持向量机分类方法用于醚菊酯类似物构效关系的研究,所用分子描述符为物理化学参数,包括该类化合物的两个取代基的Hammett常数σA、σB,摩尔折射MA、MB,疏水值之和∏.建立了醚菊酯类似物生物活性预报的支持向量机预报模型,其留一法交叉检验的预报正确率为90.3%.将支持向量机的预报结果与主成分分析(PCA)、人工神经网络(ANN)、最近邻(KNN)的预报结果进行比较,所得SVM的预报正确率高于PCA、ANN、KNN的结果.因此,SVM方法有望成为研究药物构效关系的有力工具.