2021华为杯数学建模+C大数据题+抗乳腺癌药物+机器学习

最新推荐文章于 2024-05-14 00:13:49 发布

sr_shirui

最新推荐文章于 2024-05-14 00:13:49 发布

阅读量3.7k

点赞数 2

文章标签：机器学习 python 经验分享

本文链接：https://blog.csdn.net/qq_43029779/article/details/122616335

版权

2021华为杯数学建模C题

问题描述：

1.1问题背景
乳腺癌是每个女性的噩梦，至今为止，它是全球妇女高发的恶性肿瘤之一，也是我国女性最常见的恶性肿瘤。乳腺癌的发展与雌激素受体密切相关，通过调节雌激素受体活性来控制体内雌激素水平，Erα（雌激素受体α亚型）被认为是治疗乳腺癌的重要靶标，能够拮抗ERα活性的化合物可能是治疗乳腺癌的候选药物。
目前，在药物研发中，为了节约时间和成本，建立化合物活性预测模型是筛选潜在活性化合物的常用方法。具体做法是：针对乳腺癌的靶标ERα，收集作用于ERα的化合物及其生物活性数据，然后将分子结构描述符作为自变量，化合物的生物活性值作为因变量，构建化合物的定量结构-活性关系（QSAR）模型，有效地QSAR模型能够预测设计未测试活性化合物的生物活性，或者对已有活性化合物进行结构优化。
候选药物不仅要具备良好的抗乳腺癌活性，还需要具备良好的药代动力学性质和安全性，合称为ADMET性质，否则，即使化合物的活性再好，但其ADMET性质不佳，比如人体吸收困难，体内代谢速度太快，具有某种毒性，那也不能成为药物。因而在保证化合物生物活性的同时，还要对ADMET性质进行优化。
1.2问题重述
基于上述研究背景，根据附件提供的ERα拮抗剂信息（1974个化合物样本，每个样本都有729个分子描述符变量，1个生物活性数据，5个ADMET性质数据），构建化合物生物活性的定量预测模型和ADMET性质的分类预测模型，为同时优化ERα拮抗剂的生物活性和ADMET性质提供预测服务。主要分为以下四个问题：
问题一：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筛选，按照生物活性重要性从高到低排序，选出前20个对生物活性最具有显著影响的分子描述符（即变量），并详细说明分子描述符筛选过程及其合理性。
问题二：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。然后使用构建的模型，预测文件“ERα_activity.xlsx”test表中的50个化合物的IC50值以及pIC50值。
问题三：利用文件“Molecular_Descriptor.xlsx”提供的729个分子描述符，针对文件“ADMET.xlsx”中提供的1974个化合物的ADMET数据，分别构建ADMET五个指标的分类预测模型，根据构建的模型，对文件“ADMET.xlsx”test表中的50个化合物进行相应的预测，将结果填入“ADMET.xlsx”test表中对应的Caco-2、CYP3A4、hERG、HOB、MN列。
问题四：寻找最优范围的分子描述符，使化合物对抑制ERα具有更好的生物活性，同时具有更好的ADMET性质（给定的五个ADMET性质中，至少三个性质较好）。

摘要总览：

在这里插入图片描述

注释：第一问要求我们对高维数据进行降维，首先去除冗余0，去除相同的维度（相关系数约等于1）
第二问用多种机器学习方法去测试预测的准确度，预测准确度高的是更合理的方法。
第三问做5次二分类操作，用多种机器学习方法测试找到没个分类最优的分类方法，
第四问用回归模型建立20各分子描述符与生物活性的关系，然后比较梯度上升发和Ada算法的优劣，计算出最优的值，计算分子描述符的取值范围