基于粒子群算法优化的乳腺癌化合物活性预测研究

摘要：

在治疗乳腺癌的药物研发过程中,通常采用建立化合物活性预测模型的方法来筛选潜在活性化合物.针对传统的回归预测模型对化合物活性预测的效果较差的问题,提出了一种基于粒子群算法优化的化合物活性预测模型,分别采用粒子群算法对SVR模型、Random Forest模型、XGBoost模型和LightGBM模型进行优化,对比分析优化前后的均方误差、平均绝对误差、拟合度等评价指标.结果表明,粒子群算法优化能够带来模型预测性能的提升,优化后的LightGBM模型预测效果更好,可为其他回归预测模型的优化提供方法参考.

关键词：粒子群算法、回归预测模型、化合物活性

所属期刊栏目：13

分类号：TP391.9;R737.9(计算技术、计算机技术)

资助基金：贵州省留学回国人员科技活动择优资助项目;贵州省高层次创新型人才培养项目;贵州省研究生科研基金项目;贵州大学智能制造产教融合创新平台;研究生联合培养基地建设项目

在线出版日期：2023-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：45-52