雌激素receptor-beta配体分类的基础上他们的结合亲和力使用支持向量机和线性判别分析。

文章的细节

引用

复制到剪贴板

烹调的菜肴,刘HT、马WP、风扇BT

雌激素receptor-beta配体分类的基础上他们的结合亲和力使用支持向量机和线性判别分析。

欧元J地中海化学。2008年1月,43 (1):43-52。Epub 2007年3月18日。

PubMed ID

17459530 (在PubMed

]

文摘

提出了分类模型的雌激素receptor-beta配体使用线性和非线性模型。数据集分为动态和静态类的基础上他们的结合亲和力。两舱的问题(活跃,不活跃)是由线性分类器的方法,首先探讨了线性判别分析(LDA)。为了得到更准确的预测模型,非线性小说机器学习技术,支持向量机(SVM),随后被用于调查。使用启发式方法(HM)着整个描述符集。由SVM模型包含八个描述符,显示比LDA更好的预测能力。预测的准确性的训练、测试和整体数据集是92.9%,85.8%和91.4%的支持向量机,83.1%,分别为76.1%和81.9% LDA。结果表明,支持向量机可以用作定量构效关系研究强大的建模工具。

DrugBank数据引用了这篇文章

绑定属性

药物	目标	财产	测量	pH值	温度(°C)
(2)- 5-HYDROXY-NAPHTHALEN-1-YL 3-BENZOOXAZOL-6-OL	雌激素受体β	集成电路50 (nM)	5	N /一个	N /一个	细节
(3)- 6-HYDROXY-NAPHTHALEN-2-YL苯并[D] ISOOXAZOL-6-OL	雌激素受体β	集成电路50 (nM)	1.4	N /一个	N /一个	细节
Prinaberel	雌激素受体β	集成电路50 (nM)	5	N /一个	N /一个	细节