龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：哈尔滨工业大学(威海)
摘要：本发明涉及计算毒理学领域，公开了一种基于分子特征与机器学习的线粒体毒性预测方法，包括：获取对线粒体有毒或无毒的化合物数据；对采集数据集进行预处理；计算化合物的分子指纹和分子描述符，并耦合降维；将特征数据集分为训练集和测试集，构建基于树的机器学习模型和基于距离的机器学习模型，进行模型训练和基于权重集成不同类型模型；测试集数据带入模型进行预测，并评估选取最优的组合作为化合物线粒体毒性预测模型；计算线粒体毒性预测模型的应用域并对模型机理进行解释性分析。本发明可以预测小分子化合物是否具有线粒体毒性及毒性机理，相较于现有的QSAR预测方法，预测准确率和召回率更高，模型更为可靠。
主权项：1.一种基于分子特征与机器学习的线粒体毒性预测方法，其特征在于，包括以下步骤：步骤1：获取对线粒体有毒或无毒的化合物数据，记录SMILES号并分别标记为阳性和阴性；步骤2：对采集数据集进行预处理；步骤3：计算化合物的分子指纹和分子描述符，将二者耦合并降维得到特征数据集；步骤4：将特征数据集分为训练集和测试集，构建基于树的机器学习模型和基于距离的机器学习模型，并使用训练集对模型进行训练寻找最佳的超参数，再基于权重的软投票将不同类型模型进行集成；步骤5：测试集数据带入模型进行预测，选取评价指标对模型进行评估，选取表现最优的组合作为化合物线粒体毒性预测模型；步骤6：根据投票集成的基于树的机器学习模型和基于距离的机器学习模型的最优组合模型，对线粒体毒性进行预测，并计算线粒体毒性预测模型的应用域。
全文数据：
权利要求：
百度查询： 哈尔滨工业大学(威海) 基于分子特征与机器学习的线粒体毒性预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号