华为杯中国研究生数学建模竞赛D题-抗乳腺癌候选药物的优化建模-思路

问题 1. 根据文件“ Molecular_Descriptor.xlsx ”和“ ERα_activity.xlsx ”提供的数

据，针对 1974 个化合物的 729 个分子描述符进行变量选择，根据变量对生物活

性影响的重要性进行排序，并给出前 20 个对生物活性最具有显著影响的分子描

述符（即变量），并请详细说明分子描述符筛选过程及其合理性。

问题一难度较低，主要是找出对生物活性最具有显著影响的分子描述符，具有影

响意味着该分子描述符与生物活性的相关性越高，因此可以构建相关性分析模型

来分别计算各分子描述符与生物活性的关系，找出相关性最大的 20 个变量即可。

在 matlab 中使用 corrcoef 函数可以求两个序列的相关度

corrcoef （

x ， y ）表示序列 x 和序列 y 的相关系数，得到的结果是一个 2*2 矩阵，

其中对角线上的元素分别表示 x 和 y 的自相关，非对角线上的元素分别表示 x

与 y 的相关系数和 y 与 x 的相关系数，两个是相等的。

问题 2. 请结合问题 1 ，选择不超过 20 个分子描述符变量，构建化合物对 ERα 生

物活性的定量预测模型，请叙述建模过程。然后使用构建的预测模型，对文件

“ ERα_activity.xlsx ”的 test 表中的 50 个化合物进行 IC 50 值和对应的 pIC 50 值预

测，并将结果分别填入“ ERα_activity.xlsx ”的 test 表中的 IC50_nM 列及对应的

pIC50 列。

该问题主要是构建生物活性与 20 个分子变量之间的逻辑关系，主要有两种思路，

第一种是构建多元线性模型，及构建 y=a1x1+a2x2+...+a20x20 关系，然后求解

a1,a2,...a20 系数即可；第二种思路是构建神经网络模型，建立变量与生物活性之

间的非线性拟合关系，这里最好别用 BP 神经网络，因为输入数据的参数较多，

很容易陷入局部最优解，可采用遗传算法优化的 BP 神经网络模型或粒子群算法

优化的神经网络模型等，建立上述逻辑关系后将 test 表中数据带入即可。

% 程序一： GA 训练 BP 权值的主函数

function net=GABPNET(XX,YY)

%--------------------------------------------------------------------------

% GABPNET.m

% 使用遗传算法对 BP 网络权值阈值进行优化，再用 BP 算法训练网络

%--------------------------------------------------------------------------

% 数据归一化预处理

nntwarn off

XX=[1:19;2:20;3:21;4:22]';

YY=[1:4];

XX=premnmx(XX);

YY=premnmx(YY);

YY

% 创建网络

net=newff(minmax(XX),[19,25,1],{'tansig','tansig','purelin'},'trainlm');

% 下面使用遗传算法对网络进行优化

P=XX;

T=YY;

R=size(P,1);

S2=size(T,1);

S1=25;% 隐含层节点数

S=R*S1+S1*S2+S1+S2;% 遗传算法编码长度

aa=ones(S,1)*[-1,1];

popu=50;% 种群规模

save data2 XX YY % 是将 xx,yy 二个变数的数值存入 data2 这个 MAT-file ，

initPpp=initializega(popu,aa,'gabpEval');% 初始化种群

gen=100;% 遗传代数

% 下面调用 gaot 工具箱，其中目标函数定义为 gabpEval

[x,endPop,bPop,trace]=ga(aa,'gabpEval',[],initPpp,[1e-6 1 1],'maxGenTerm',gen,...

'normGeomSelect',[0.09],['arithXover'],[2],'nonUnifMutation',[2 gen 3]);

% 绘收敛曲线图

figure(1)

plot(trace(:,1),1./trace(:,3),'r-');

hold on

plot(trace(:,1),1./trace(:,2),'b-');

xlabel('Generation');

ylabel('Sum-Squared Error');

figure(2)

plot(trace(:,1),trace(:,3),'r-');

hold on

plot(trace(:,1),trace(:,2),'b-');

xlabel('Generation');

ylabel('Fittness');

% 下面将初步得到的权值矩阵赋给尚未开始训练的 BP 网络

[W1,B1,W2,B2,P,T,A1,A2,SE,val]=gadecod(x);