支持向量机在中药神经毒性成分筛查中的应用

该文通过计算324个神经毒性化合物和235个无神经毒性化合物的物理化学性质、电荷分布及几何结构等特征的6 122个分子描述符,通过CfsSubsetEval评价和BestFirst-D1-N5搜索相结合的方法筛选描述符,利用支持向量机(SVM)构建了化合物神经毒性判别模型。模型的准确率、灵敏度、特异性均在80%以上。以30个确有神经毒性的中药成分作为外部验证集,进一步验证模型准确率,达73.333%。将该模型应用于山豆根神经毒性成分筛查,筛得13个潜在神经毒性化合物,其中4个已有文献验证。实验结果表明该模型具有一定的准确性,有助于开展中药神经毒性成分筛查工作。     

中药保健食品原料肝毒性预测研究

目的：开发一种更优的评估中药肝毒性的方法,为中药保健食品原料安全性评价提供参考。方法：基于国际公开构建肝毒性定量构效关系（QSAR）模型训练集数据,形成训练集。使用Discovery Studio 4.5对训练集进行主成分分析和聚类分析,针对每一类使用朴素贝叶斯（NB）、逻辑回归（LR）、邻近算法（KNN）等9种机器学习的方法构建QSAR模型,并利用交叉验证方法对模型构建方法进行评估。最后使用最优类模型对113种中药保健食品原料包含的783个成分进行了预测,根据多模型加权平均概率筛选出肝毒性成分占比较大的中药。结果：根据对训练集化合物的分析,可以看出第3类模型的准确率为85%～91%,高于现有报道的中药成分肝毒性预测模型。对中药保健食品原料成分的分析发现肝毒性化合物48个、不具有肝毒性的化合物735个,肝毒性预测概率为0.15～0.30,说明中药保健食品原料肝毒性普遍较低。预测肝毒性成分所占比例较高的中药有茜草、番泻叶、当归、大黄、丹参、厚朴、川芎、桑枝、桑白皮、五味子等。结论：对训练集预先聚类,提高QSAR模型准确率,为中药安全性评价的方法学研究提供了新思路,为中药保健食品原料成分进...     

基于人工神经网络和支持向量机算法的药源性急性间质性肾炎计算模型的建立及在中药领域的应用

目的 通过构建早期预测药源性急性间质性肾炎（drug-induced acute interstitial nephritis,DI-AIN）的计算模型,筛选中药致DI-AIN成分。方法 从文献和SIDER等数据库中收集得到了125个致DI-AIN的药物和122个未导致DI-AIN的药物,作为预测模型的训练集,基于人工神经网络（artificial neural network,ANN）和支持向量机（support vector machine,SVM）2种算法构建模型。通过文献各选择45种药物进行验证,以评估最优模型的预测性能。并将其应用于筛选10种中药的DI-AIN成分。结果 共筛选得到207种分子描述符参与建模,其中,ANN和SVM算法搭建的最优模型分别包含112和80种分子描述符,2个模型的特异度、灵敏度、准确度均在84%以上。使用2种算法搭建的最优模型进行外部验证,准确度均在90%以上。ANN联合SVM模型预测为DI-AIN的中药成分有雷公藤甲素、水苏碱、京尼平苷等。结论 首次建立中药成分致DI-AIN早期预测的计算模型,具有良好的预测能力,对于中药肾毒性预测研究及中药毒理学...     

中药化学成分对大鼠急性毒性的定量构效关系研究

目的探讨计算机毒性预测技术和方法,为中药安全性评价提供新的途径。方法采用Mold2软件(version 2.0.0)对7409个中药化学成分进行分子描述符计算,初步筛选后采用随机森林算法进行定量构效关系(QSAR)模型构建,筛选出最优预测模型,并对2010年版《中华人民共和国药典》所载83个有毒中药中有化学成分单体结构报道的60种中药(1692个化学成分)进行急性毒性的预测。结果经筛选,最终得到数据7409条。当描述符集合为52个时,随机森林算法建模模型准确度和Kappa值较高,分别为0.712和0.436;根据最优分子描述符集(52个)表征的化学空间距离将化合物聚类分为3类,第1类化合物最优模型的准确度和Kappa值分别为0.666和0.476,第2类化合物最优模型的准确度和Kappa值分别为0.804和0.381,第3类化合物最优模型的准确度和Kappa值分别为0.709和0.373。预测60种中药(1692个化学成分)中含剧毒化合物0个、高毒化合物2个、中毒化合物172个和低毒化合物1518个。结论采用QSAR模型对中药化学成分进行急性毒性预测研究可为联合用药和进一步实验研究提供参考。     

基于支持向量机的中药升降浮沉药性识别模型

目的 中药升降浮沉药性判别,建立中药升降浮沉药性与中药成分的相关关系。方法 依据已有结论“中药寒热药性的物质基础是中药成分”提出假说：中药升降浮沉药性的物质基础也是中药成分。实验筛选54味升降浮沉药性明确的中药作为研究对象,通过紫外指纹图谱表征中药成分,应用主成分分析(PCA)提取药性相关的成分信息,引入支持向量机(SVM)算法建立具有中医药特色的中药升降浮沉药性判别模型。结果 基于交叉验证和网格寻优算法,支持向量机算法参数c和g都为0.5时模型最优,训练集分类准确率为80.77%,测试集分类准确率为80%,模型稳定性评价的ROC曲线下面积为0.832。结论 经实验验证,此实验构建的判别模型稳定性较好,判别模型可行有效。     

中药化学成分对大鼠致癌毒性的定量构效关系研究

目的 采用计算机毒性预测技术预测中药的致癌毒性,为中药安全性评价提供新的途径.方法 采用Mold2软件(version 2.0.0)对1532个中药化学成分进行分子描述符计算,初步筛选后采用随机森林算法构建定量构效关系模型,筛选出最优预测模型,并对2010年版《中华人民共和国药典》所载83个有毒中药中有化学成分单体结构报道的60种中药(1609个化学成分)进行致癌毒性预测.结果 经筛选,当描述符集合为60个时,随机森林算法建立的定量构效关系模型准确度最高,为0.69.预测60种中药(1609个化学成分)中致癌活性化合物为481个.结论 本文采用随机森林算法构建定量构效关系模型,并可对有毒中药化学成分进行致癌毒性预测,为进一步中药致癌性试验研究提供参考.     

基于K-近邻算法的中药化合物寒热平药性预测研究

目的：构建基于K-近邻算法(KNN)的中药化合物寒热平药性预测模型,用于评价中药化合物药性。方法：根据本课题组前期的“性-构”关系研究假说,中药化合物的结构决定中药化合物的药性。首先计算分子描述符以提取中药化合物的结构特征。然后,引入KNN度量中药化合物的相似性,构建中药化合物药性预测模型,通过交叉验证的方式对模型进行评价。结果：本研究共采集2 012个中药化合物,五折交叉验证下KNN模型准确率和AUC的面积分别为81.14%、0.910。模型的拟合性效果较好,精准率、召回率、F_score值分别为0.807、0.777、0.790。结论：本研究构建的基于KNN的中药化合物药性预测模型是有效的,进一步验证了本课题组的假说——中药化合物的结构决定了中药化合物的药性。     

基于深度学习的中药寒热属性预测研究

目的：探究中药成分寒热药性预测模型的构建及应用。方法：基于中药信息数据库获取646味中药，涵盖10 053个化合物成分。构建中药化合物分子指纹与分子图表征编码，分别构建图卷积神经网络(GCN)、K-近邻(KNN)、决策树(DT)、随机森林(RF)、支持向量机(SVM)算法，训练模型并调整模型超参数。将数据集划分为训练集与测试集，使用准确率、精确率、召回率与F值评价模型预测性能。将预测的高概率化合物分析中药寒热属性的生物学机制潜在差异。通过细胞增殖-毒性测试实验检测梯度加权得分的寒性中药成分对大鼠肾上腺髓质嗜铬瘤(PC-12)细胞氧糖剥夺再灌注(OGD/R)模型的保护作用。结果：GCN模型在中药寒热属性预测任务中综合表现良好。通过GCN模型从代表性寒热药物中筛选出的高概率寒热分类化合物共形成413靶点，与17通路具有潜在关联。细胞实验结果，随寒性加权分数降低逐渐显现为对OGD/R的细胞保护作用。结论：在寒热属性预测任务中，基于分子图表征的GCN模型相对于分子指纹表征的传统机器学习模型具有更优的性能，可为进一步探究中药“性-构”关系提供算法支持。     

基于最大相似度算法的补阳中药归肾经的量化探讨

目的:从靶点组织表达角度构建补阳中药归肾经的判别标准,为中药归经的量化研究提供新思路、新方法。方法:选取9味补阳中药作为训练集,2味补阳中药作为验证集,通过TCMSP2. 3,Pub Chem,Uniprot等数据库搜集药材化学成分及其作用靶点,采用最大相似度算法获得补阳中药核心靶蛋白;利用THPA数据库获得靶蛋白相关组织表达及表达丰度数据;通过训练集数据构建经验回归方程,挖掘药材作用受体的组织分布规律,建立补阳中药归肾经的判别标准模型;通过验证集数据对模型进行检验。结果:构建药材-活性成分-作用蛋白受体-组织表达数据全集库,筛选补阳中药核心靶蛋白39个,训练集药材的组织分布规律具有高度一致性,没有统计学差异(P=0. 999 7),构建补阳中药归肾经的判别标准模型。经验证集数据检验,模型的准确率100%。结论:本研究探索补阳中药归肾经的判别标准新方法,并建立有效的判别标准模型,验证了新方法的可靠性。为中药归经的现代化研究提供了理论基础,对于中医药学的快速发展有着重要意义。     

基于细胞的中药成分肾毒性研究

为探讨基于细胞的中药安全性评价新方法的有效性,本文对常用的肾小管上皮细胞的特点及其在中药成分体外肾毒性研究中的应用情况进行概述,并对基于细胞的中药肾毒性评价方法的应用前景进行展望。     

支持向量机在构建白介素-1β转化酶抑制剂药效团模型中的应用

以24个作用于人体外围血单核细胞药理模型的白介素-1β转化酶抑制剂作为研究对象,计算了其表征分子的拓扑、电子、几何结构等物理化学性质的1209个分子描述符,用CfsSubsetEval评价方法和BestFirst-D1-N5搜索方法筛选描述符,用Kennard-Stone方法选择训练集和测试集.分别采用支持向量机、决策树、贝叶斯网络、人工神经网络等机器学习方法建立分类预测模型并使用Catalyst/HipHop系统建立药效团模型.结果表明支持向量机优于其他分类模型,正、负样本的预测正确率均达到100%.最优药效团模型具有5个特征:2个疏水基团、2个脂性氢键受体、1个氢键给体;以此药效团进行中药数据库筛选得到384个候选白介素-1β转化酶抑制剂.利用支持向量机建立的分类预测模型对候选化合物的活性进行了预测,其中高活性化合物占96.6%,表明白介素-1β转化酶抑制剂药效团模型较准确地反映了高活性化合物的公共特征.该模型的建立有助于从中草药筛选新型白介素-1β转化酶抑制剂     

支持向量机在构建白介素-1β转化酶抑制剂药效团模型中的应用

以24个作用于人体外围血单核细胞药理模型的白介素-1β转化酶抑制剂作为研究对象,计算了其表征分子的拓扑、电子、几何结构等物理化学性质的1209个分子描述符,用CfsSubsetEval评价方法和BestFirst—D1-N5搜索方法筛选描述符。用Kennard—Stone方法选择训练集和测试集。分别采用支持向量机、决策树、贝叶斯网络、人工神经网络等机器学习方法建立分类预测模型并使用Catalyst／HipHop系统建立药效团模型。结果表明支持向量机优于其他分类模型,正、负样本的预测正确率均达到100％。最优药效团模型具有5个特征：2个疏水基团、2个脂性氢键受体、1个氢键给体;以此药效团进行中药数据库筛选得到384个候选白介素-1β转化酶抑制剂。利用支持向量机建立的分类预测模型对候选化合物的活性进行了预测,其中高活性化合物占96．6％,表明白介素-1β转化酶抑制剂药效团模型较准确地反映了高活性化合物的公共特征。该模型的建立有助于从中草药筛选新型白介素-1β转化酶抑制剂。     

基于支持向量回归和分子对接技术的中药CYP450 2E1抑制剂筛选

细胞色素P450酶(CYP450)的抑制是药物相互作用最常见的原因,对CYPs抑制剂早期预测的研究有助于减少药物相互作用导致的不良反应。CYP450 2E1(CYP2E1)是CYP450酶系中参与药物体内代谢的主要酶,具有广泛的药物代谢底物谱。该研究以CYP2E1为研究对象,基于32个CYP2E1抑制剂,建立支持向量回归模型(support vector regression,SVR),并用测试集数据对CYP2E1定量模型进行验证,获得CYP2E1抑制剂最优预测模型。该研究同时利用CDOCKER分析阳性化合物与活性口袋相互作用模式及氨基酸,建立CYP2E1抑制剂最优筛选模型。综合利用支持向量回归模型和分子对接预测模型筛选中药化学成分数据库(traditional Chinese medicine database,TCMD),提高了计算效率和结果的准确性。SVR预测模型初步得到6 376个中药化合物,通过分子对接进一步验证,最终获得247个对CYP2E1具有潜在抑制活性的中药化合物,其中部分已有实验证实其的确对CYP2E1具有抑制作用。该研究对CYP2E1酶抑制剂的研究可为CYP450抑制剂的虚拟筛选及其介导的药物不良反应预测提供指导,对临床合理用药提供一定的参考。     

喹诺酮类药物半衰期的定量构动关系研究

 目的应用多元线性回归方法研究喹诺酮类药物的分子结构和半衰期间的定量构动关系(QSPR)。方法利用Hyperchem和Chemoffice软件计算了25个喹诺酮类药物的结构参数和电性参数。随机选取20个药物做训练集以建立QSPR模型,5个常用药物做检验集以检验模型的准确性。结果影响喹诺酮半衰期的主要参数E_HOMO,φ₃,LogP,DM4个分子描述符进入模型,模型复相关系数达0.958。检验集的计算值与实验值复相关系数达0.924。结论所建立的模型能够很好地预测喹诺酮类药物的半衰期,并有效地描述其影响因素。     

基于QSPR 研究绿原酸类化合物与血清白蛋白的结合

本文选取32个小分子化学成分和9个天然产物化学成分为训练集,利用Dragon软件计算分子描述符,应用WEKA软件中CfsSubsetEval评价方法和BestFirst-D1-N5搜索方法进一步筛选描述符,利用Linear Regression方法建立了分子结构与其血清蛋白结合常数值logK的定量结构-性质相关性模型(相关系数为0.9557)。应用该模型对10个绿原酸类化合物的logK进行预测,结果显示绿原酸的logK预测值为4.51,与文献报道的logK值在4~7范围内基本相符。研究结果为进一步探讨绿原酸与血清蛋白的结合情况提供指导,为研究药物与血清蛋白的结合提供思路。     

基于化学成分群加和性分子描述符的中药浸膏粉溶化性预测研究

目的 基于化学成分群加和性分子描述符建立中药浸膏粉溶化性预测模型,并进行验证。方法 采用原位浊度传感器评价中药浸膏粉溶化性,对测试方法条件进行优化并进行验证;以13种代表性中药(广藿香、当归、薄荷、瞿麦、银柴胡、乌梅、葛根、细辛、益母草、苦参、熟地黄、荆芥和川芎)浸膏粉为研究对象,检索每种中药所含化学成分,根据成分的分子描述符计算出每种中药化学成分群平均性质,进而采用偏最小二乘(partial least squares,PLS)法建立该平均性质与对应中药溶液浊度值的关联预测模型并验证。结果 中药浸膏粉溶化性客观评价方法的重复性和耐用性良好;对从13种中药中检索得到的1840种成分分子描述符进行主成分分析后,由得分图和载荷图结果可知分子描述符可以区分出溶解度有差异的化学成分类别;随机划分校正集和验证集后,基于化学成分群加和性分子描述符预测溶液浊度值的PLS预测模型的R²_Xcum=0.873,R²_Ycum=0.998,Q²cum=0.869;川芎、荆芥和益母草的浊度预测误差分别为3.4%、9.3%、23.8%。结论 基于化学成分群加和性分子描述符的中药浸膏粉溶化性预测模型具有一定的预测能力,研究结果为从中药整体成分层面预测宏观物性提供参考。