史新宇 作品数:4 被引量:7 H指数:2 供职机构: 新疆大学软件学院 更多>> 发文基金: 国家自然科学基金 更多>> 相关领域: 自动化与计算机技术 更多>>
基于深度信念网络的CYP450 2C9抑制性分类 被引量:3 2019年 细胞色素P450 2C9 (Cytochrome P450 2C9)是人体肝脏中重要的代谢酶,参与多种药物代谢,约占CYP450蛋白总量的15%~20%。利用深度学习思想,提出基于深度信念网络DBN (Deep Belief Network)的CYP450 2C9抑制性分类模型。实验选用13 000个化合物作为数据集,采用Pub Chem和MACCS分子指纹进行分子结构表征。利用DBN的半监督学习方式从预处理后的特征中学习更本质的特征表示,避免人工提取特征的过程,实现CYP450 2C9的抑制性分类。实验结果表明:在同等条件下,DBN相比于SVM和ANN具有明显优势,平均分类准确率为80.6%,灵敏度(SE)为86.9%,特异性(SP)为66.2%,对药物筛选和新药研发具有积极意义。 李自臣 史新宇 史新宇 禹龙 田生伟 王梅关键词:CYP450 分子指纹 支持向量机 人工神经网络 基于深度学习的抗HIV活性QSAR预测 被引量:2 2017年 为提高抗HIV活性预测的精度,采用深度学习算法,提出一种基于深度信念网络的抗HIV活性预测方法。利用BP神经网络任意精度逼近非线性函数的优点,结合多个受限玻尔兹曼机(restricted Boltzmann machine,RBM)进行非监督逐层贪婪模式训练学习,建立深度信念网络算法模型(deep belief network,DBN)。将抗HIV活性的高温超导源数据(HTS raw data)、高温超导抑制剂(HTS%inhibition(20μM))、最大测定信号释放比率(mean max signal)等特征作为DBN模型的输入,抗HIV平均活性值作为该模型的输出,设计实验对模型进行训练及验证,实验结果表明,DBN模型对抗HIV活性的预测均方根误差小,预测精度高,平均预测精度为93.82%,适用于抗HIV活性评估。 高双印 田生伟 禹龙 史新宇关键词:抗HIV活性 基于深度学习的口服生物利用度分类研究 被引量:2 2016年 针对采用传统方法测量口服生物利用度(OB)代价昂贵、花费周期长,而现有的一些机器学习方法对其预测精度较低的问题,提出了一种基于栈式自编码(SAE)神经网络的口服生物利用度分类方法,利用经筛选过的分子特征结合栈式自编码模型对生物利用度进行分类。实验表明,与浅层机器学习模型支持向量机(SVM)以及人工神经网络(ANN)相比,深度网络对化合物分子的特征有更本质的学习,采用经筛选过的2D和3D分子特征组合对人体口服生物利用度的分类效果较好,其平均预测精度为83%,灵敏度(SE)为94%,特异性(SP)为49%。 史新宇 禹龙 田生伟 叶飞跃 钱进 高双印关键词:口服生物利用度 基于深度学习的PLK1 PBD活性预测 2017年 为了提高抗癌药物的发现效率并降低研发成本,针对基于PLK1此类结构和功能均高度保守的丝氨酸/苏氨酸蛋白激酶在多种肿瘤类型中高表达的特点,提出以PLK1 PBD为靶点的深度信念网络(deep believe network,DBN)抗癌活性研究方法。利用深度学习思想,对20 000个化合物的抗癌活性进行分析,并分别与ANN、SVM方法进行对比验证。实验结果表明,在同等条件下,DBN网络针对抗癌药物活性研究具有突出的优势,其平均预测活性的精确度可达91.05%,明显高于ANN和SVM,从而实现了对化合物抗癌活性的良好评估。 高双印 田生伟 禹龙 史新宇关键词:活性