收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于核主成分与支持向量机的体内药物代谢预测

沈徐辉  
【摘要】:药物体内清除率的预测,不仅可以减少临床实验的风险与代价,更可以实现新药的快速批量筛选,对新药开发过程缩短研发周期,减少研发费用和降低研发代价等有着重大的理论和现实意义。本文采用了核主成分分析算法和支持向量机算法对药物体内清除率进行建模分析。核主成分分析是非线性主成分提取中的一项新技术,在特征提取,噪声处理上有很好的应用。支持向量机对小样本问题的模式识别,函数逼近等也有良好的效果。本文内容主要分四个部分: 第一部分:在阅读了国内外大量的文献的基础上,对药物体内清除率预测的研究现状作了详细的介绍。另外也对核主成分算法和支持向量机的特点简单的做了描述。 第二部分:对药物体内清除率的体内外模型进行了仔细的研究,并针对各种药物体内预测模型的特点以及核主成分分析算法和支持向量机算法的特点,选择了体外肝微粒体实验模型的实验数据作为模型的输入参数来源。 第三部分:对核主成分分析算法进行了详细的研究,并针对其在处理小样本问题时易受极值点干扰的问题,提出了一种加权函数的核主成分分析算法。实验表明,改进后的算法对干扰点有很好的鲁棒性。另外,对误差函数的理论分析表明,该算法能够很好的解决迭代误差收敛性问题。之后,又用改进的核主成分算法对肝微粒实验的体外实验数据进行了分析,结果表明,采用基于距离的改进核主成分分析算法进行二维主成分提取,能够有效的对样本点进行酸碱性分类。 第四部分:首先对支持向量机算法做了比较详细分析和推导。然后用核主成分算法得到的二维主成分数据进行药物体内清除率预测分析。结果表明,样本在用改进的核主成分分析算法处理之后,预测结果不仅要明显优于传统方法的预测结果,同时也比直接采用支持向量机算法得到的结果要好。 药物体内清除率的预测结果表明,本文提出的基于核主成分和支持向量机算法是有效的,并且随着训练样本的增加,在新药筛选中将会有更好的应用。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 翁欣欣;陆峰;张中湖;尹利辉;;KPCA-聚类分析法快速鉴别降糖药[J];光谱仪器与分析;2009年Z1期
2 孙萌;张涛;李康;;组学数据的核主成分聚类分析的可视化方法[J];中国卫生统计;2010年06期
3 程翼宇,余杰,吴永江;色谱数据可视化及天然植物药指纹特征发现方法[J];化学学报;2002年02期
4 黄伟;尹京苑;;一种基于支持向量机的自适应肿瘤分类检测算法[J];生物信息学;2009年04期
5 ;[J];;年期
6 ;[J];;年期
7 ;[J];;年期
8 ;[J];;年期
9 ;[J];;年期
10 ;[J];;年期
11 ;[J];;年期
12 ;[J];;年期
13 ;[J];;年期
14 ;[J];;年期
15 ;[J];;年期
16 ;[J];;年期
17 ;[J];;年期
18 ;[J];;年期
19 ;[J];;年期
20 ;[J];;年期
中国重要会议论文全文数据库 前9条
1 熊伟;万忠宏;张红英;幸华刚;;基于聚类的核主成分分析方法在地震属性降维中的应用[A];中国地球物理学会第二十七届年会论文集[C];2011年
2 颜根廷;马广富;朱良宽;宋斌;;一种鲁棒支持向量机算法[A];2006中国控制与决策学术年会论文集[C];2006年
3 徐扬;陈实;田玉敏;;基于核主成分分析的步态识别[A];2008'中国信息技术与应用学术论坛论文集(二)[C];2008年
4 林健;朱帮助;;基于核主成分分析的区域经济社会发展综合评价[A];第25届中国控制会议论文集(下册)[C];2006年
5 薛永刚;朱靖波;魏刚;;基于核主成分分析的文本分类[A];第二届全国信息检索与内容安全学术会议(NCIRCS-2005)论文集[C];2005年
6 秦建玲;李军;;基于核的主成分分析的特征提取方法与样本筛选[A];2005年中国机械工程学会年会论文集[C];2005年
7 刘旭;陆文聪;王立升;;改进核函数算法在蛋白质分类中的应用[A];中国化学会第28届学术年会第14分会场摘要集[C];2012年
8 师丽强;张斌;阳春华;;基于核主元分析的净化除钴过程数据预处理研究[A];2011第十六届全国自动化技术与应用学术年会专辑[C];2011年
9 彭妮娜;易维宁;方勇华;;基于核函数的高光谱图像信息提取研究[A];光子科技创新与产业化——长三角光子科技创新论坛暨2006年安徽博士科技论坛论文集[C];2006年
中国博士学位论文全文数据库 前10条
1 王权海;子空间分析方法在地震勘探等信号处理中的初步应用研究[D];成都理工大学;2013年
2 蒋金山;图像模式分类与检索[D];华南理工大学;2004年
3 汪东;基于支持向量机的选时和选股研究[D];上海交通大学;2007年
4 陈其松;智能优化支持向量机预测算法及应用研究[D];贵州大学;2009年
5 史卫亚;大规模数据集下核方法的技术研究[D];复旦大学;2008年
6 潘永惠;基于神经计算的服装缝纫性能模糊评价研究[D];江南大学;2008年
7 赵丽红;人脸检测和识别算法的研究与实现[D];东北大学;2006年
8 苏时光;谱主成分分析及其在多指标评价体系中的应用[D];中国农业大学;2004年
9 舒云星;水泥烧成系统故障诊断与质量预测支持向量机方法的研究[D];武汉理工大学;2008年
10 谭治英;核机器学习方法及其在视觉检测中的应用研究[D];电子科技大学;2013年
中国硕士学位论文全文数据库 前10条
1 姜苏迪;核主成分分析在企业经济效益分析中的应用[D];哈尔滨工程大学;2011年
2 贾亚琼;基于核主成分分析的图像降噪方法研究[D];华南理工大学;2010年
3 沈徐辉;基于核主成分与支持向量机的体内药物代谢预测[D];浙江大学;2011年
4 万康康;基于核主成分分析的原像问题研究[D];南京理工大学;2014年
5 林伟;基于核主成分分析和核Fisher判别分析的精神负荷分类[D];华东理工大学;2013年
6 刘亭;基于统计学习的鱼龄识别方法的研究[D];天津理工大学;2009年
7 王辉;基于核主成分分析特征提取及支持向量机的人脸识别应用研究[D];合肥工业大学;2006年
8 常卫东;智能入侵检测中的特征提取和集成学习技术研究[D];国防科学技术大学;2005年
9 李乐;人脸识别方法研究[D];天津大学;2005年
10 周林峰;基于智能感官评估的服装供应链信息流反馈系统的研究[D];东华大学;2005年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978