基于随机森林与Chemistry Development Kit描述符的P-gp底物识别

高等学校化学学报

基于随机森林与Chemistry Development Kit描述符的P-gp底物识别

马广立¹, 赵筱萍², 程翼宇¹

1. 浙江大学药物信息学研究所, 杭州 310027;
2. 浙江中医药大学, 杭州 310053

收稿日期:2007-01-24 修回日期:1900-01-01 出版日期:2007-10-10 发布日期:2007-10-10
通讯作者: 程翼宇

Identification of P-gp Substrates Using a Random Forest Method Based on Chemistry Development Kit Descriptors

MA Guang-Li¹, ZHAO Xiao-Ping², CHENG Yi-Yu¹*

1. Pharmaceutical Informatics Institute, Zhejiang University, Hangzhou 310027, China;
2. Zhejiang Chinese Medical University, Hangzhou 310053, China

Received:2007-01-24 Revised:1900-01-01 Online:2007-10-10 Published:2007-10-10
Contact: CHENG Yi-Yu

摘要/Abstract

摘要： 应用随机森林方法、开放源代码软件-CDK(Chemistry Development Kit)描述符与170个化合物的训练数据集[其中96个为磷糖蛋白(P-gp)底物], 建立了P-gp底物的识别模型. 研究了CDK描述符与P-gp底物识别的关系, 结果表明, 原子极化性和电荷偏面积等分子属性对P-gp底物识别起到重要作用. 该模型对训练集的预测正确率为99.42%; 对外部测试集(42个化合物, 其中24个为P-gp底物)的预测结果为P-gp底物、非底物及总测试集的识别正确率分别为87.50%, 83.33%和85.71%. 212个化合物数据集上的Leave-One-Out交叉验证识别正确率为77.4%.

关键词: 磷糖蛋白, 随机森林, 模式识别

Abstract: A model to identify P-glycoprotein(P-gp) substrate was constructed with a random forest method based on open source software CDK(Chemistry Development Kit) descriptors and a training data set which contained 170 compounds(96 P-gp substrates). The study on the relationship between CDK descriptors and P-gp substrates indicates that sum of the atomic polarizabilities and charged partial surface area play important roles in identifying P-gp substrates. An external test data set containing 42 compounds(24 P-gp substrates) was employed. The correct classification rate on the training set is 99.42% and the correct classification rates for P-gp substrates, non-substrates and the total compounds on the test set are 87.50%, 83.33% and 85.71%, respectively. Leave-One-Out cross-validation correct classification rate(212 compounds) was 77.4%.

Key words: P-glycoprotein(P-gp), Random forest, Pattern recognition

中图分类号:

TrendMD:

马广立,赵筱萍,程翼宇 . 基于随机森林与Chemistry Development Kit描述符的P-gp底物识别. 高等学校化学学报, doi: .

MA Guang-Li¹, ZHAO Xiao-Ping², CHENG Yi-Yu¹*. Identification of P-gp Substrates Using a Random Forest Method Based on Chemistry Development Kit Descriptors. Chem. J. Chinese Universities, doi: .

[1]	魏曼曼,路皓翔,杨辉华. 基于RF_AdaBoost模型的血液种属鉴别算法[J]. 高等学校化学学报, 2020, 41(1): 94.
[2]	廖沛球, 魏来, 刘威, 吴亦洁, 李晓晶, 倪嘉缵, 裴奉奎. 给药硝酸钕后大鼠完整肝组织及肝组织提取物的NMR代谢组学研究[J]. 高等学校化学学报, 2009, 30(6): 1116.
[3]	李中峰吴惠丰张晓宇李晓晶廖沛球李伟生裴奉奎. 轻稀土镧、铈急性生物效应的血清¹H NMR谱代谢组学研究[J]. 高等学校化学学报, 2006, 27(3): 438.
[4]	吴惠丰, 张晓宇, 李晓晶, 孙国英, 吴亦洁, 裴奉奎. 核磁共振技术及模式识别对硝酸镥急性毒性的研究[J]. 高等学校化学学报, 2005, 26(7): 1321.
[5]	张晓宇, 吴惠丰, 裴奉奎, 倪嘉缵. 核磁共振技术结合模式识别对中药马兜铃酸亚急性生化效应的研究[J]. 高等学校化学学报, 2005, 26(6): 991.
[6]	王俭, 孙素琴, 罗国安, 冯计民, 王志强, 王彦吉. 蓝色圆珠笔字迹色痕ATR谱与模式识别研究[J]. 高等学校化学学报, 2001, 22(6): 925.
[7]	程翼宇, 赵明洁. 一类基于模糊神经元的复杂非线性化学模式识别方法[J]. 高等学校化学学报, 2001, 22(11): 1813.
[8]	杨桂琴, 郭从容, 王雪松, 崔建中, 严乐美, 张万东. 微胶囊化颜料粒子表面形貌的模式识别及量化表征[J]. 高等学校化学学报, 1997, 18(11): 1897.
[9]	陆文聪, 阎立诚, 刘洪霖, 陈念贻. 稀土复氧化物电阻率分类预报的专家系统[J]. 高等学校化学学报, 1996, 17(4): 505.
[10]	王学业, 姚树文, 陈念贻. MeX-REX₃系相图的模式识别分析[J]. 高等学校化学学报, 1995, 16(11): 1657.
[11]	陆文聪, 朱兴文, 刘洪霖, 陈念贻. 多目标的模式识别优化法及其在V－PTC材料设计中的应用[J]. 高等学校化学学报, 1994, 15(6): 882.
[12]	严六明, 张未名, 钦佩, 陈念贻. 熔盐电导的多维键参数分析[J]. 高等学校化学学报, 1994, 15(5): 721.
[13]	陆文聪, 阎立诚, 朱友成, 陈凯先, 陈念贻. EHMO和模式识别法研究芬太尼衍生物的构效关系[J]. 高等学校化学学报, 1993, 14(9): 1305.
[14]	李丙瑞, 何凤英, 王流芳. 荧光素衍生物抗癌活性的模式识别[J]. 高等学校化学学报, 1993, 14(7): 954.
[15]	张亮, 张正行, 盛龙生, 安登魁. 黄酮类化合物¹³C核磁共振谱的模式识别分类研究[J]. 高等学校化学学报, 1993, 14(6): 775.