基于Stacking融合模型的抗乳腺癌药物活性值预测

摘要：

通过实验研发和筛选药物耗时费力,为了能快速有效筛选候选药物,利用随机森林算法(Random Forests,RF)、极限梯度提升算法(eXtreme Gradient Boosting,XGBoost)等筛选出20个最具显著影响的分子描述符,再构建Stacking融合模型,利用贝叶斯优化调参,预测化合物的生物活性值,模型拟合度为0.793 7,均方根误差为0.681 2.结果表明,该模型与单一机器学习算法相比,具有更好的预测性能,对抗乳腺癌药物的研发具有重要的指导意义.

关键词：抗乳腺癌药物、生物活性、贝叶斯优化、Stacking融合模型

所属期刊栏目：34

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：99-102,116