机器学习在抗乳腺癌候选药物预测模型中的应用

摘要

为了提高抗乳腺癌候选药物特征筛选与模型预测的准确性，提出一种新的多种组合特征筛选方法对抗乳腺癌候选药物——雌激素受体α亚型（ERα）的分子描述符进行特征筛选，并根据筛选的分子描述符构建化合物活性预测（QSAR）模型。采用1DCNN算法模型预测化合物活性，该模型的RMSE、MAE、MAPE评价指标值分别为0.40、0.41和0.08，相比传统随机森林和支持向量机算法的预测效果提高了10%。基于多种组合的特征筛选方法和1DCNN模型预测为药物化合物特征筛选与活性预测提供了新思路，后续可用于其他药物化合物的预测。

0 引言

乳腺癌是目前世界上最常见、致死率较高的癌症之一。乳腺癌的发展与雌激素受体密切相关［1］