支持向量机在中药神经毒性成分筛查中的应用.pdfVIP

第39卷第 17期 中圈中药杂右、 Vo1．39，Issue 17 2014年 9月 ChinaJournalOlChineseMaterMMedlca September，2014 支持向量机在中药神经毒性成分筛查中的应用 张景芳，蒋芦获，张燕玲 (北京中医药大学 中药信息工程研究室，北京 100102) [摘要] 该文通过计算324个神经毒性化合物和235个无神经毒性化合物的物理化学性质、电荷分布及几何结构等特 征的6122个分子描述符，通过 CfsSubsetEval评价和BestFirst-DI—N5搜索相结合的方法筛选描述符，利用支持向量机 (SVM) 构建了化合物神经毒性判别模型。模型的准确率 、灵敏度、特异性均在80％以上。以3O个确有神经毒性的中药成分作为外 部验证集，进一步验证模型准确率 ，达73．333％。将该模型应用于山豆根神经毒性成分筛查，筛得 l3个潜在神经毒性化合 物，其中4个已有文献验证。实验结果表明该模型具有一定的准确性，有助于开展中药神经毒性成分筛查工作。 [关键词] 支持向量机；中药成分 ；神经毒性 神经系统在机体内起主导作用，调节和控制其 数据库 (http：／／toxnet．nlm．nih．gov／)检索，选择有 他系统，维持机体与内外界环境相对平衡，保证生命 致人类神经毒性的化合物或动物实验表明低剂量下 活动正常进行…。中药化学成分在体 内发挥药效 有神经毒性的化合物，得到结构差异性较大的324 的同时，也可能会引起不 良反应，甚至对神经系统造 个神经毒性化合物作为阳性集；在Drugbank数据库 成损害。山豆根 ]、马钱子 和附子 等常用中药 (http：／／www．drugbank．ca／)的 “approved”分子表单 均有文献报道可致神经毒性。 中，删除与神经毒性相关的化合物，再从中随机选取 近年来，计算毒理学已用于药物肾毒性 和肝 245个化合物作为阴性集，这些化合物之间也并不 毒性_6驯的研究，应用较 多 的是定量构效关系 存在结构相似性。 (QSAR) ，以及 贝叶斯模 型法 (Bayesianmod— 为提高数据来源的可信度，避免出现重复数据， e1)J、K最邻近结点算法 (kNN)]及支持向量机 对上述324个阳性化合物和245个阴性化合物进行 (SVM) 等分类方法。该类方法以高效快速的优 如下处理：①组内删重工作，由于搜索时用的关键词 势缓解了传统动物实验 ¨ 耗时费力成本高等问 不同，所以要删除阳性集中的重复数据；②组间删重 题。本实验针对中药成分母核骨架复杂多样、取代 工作，即同时删除阳性集和阴性集 内的共有数据。 基团种类多等特点，广泛收集样本集化合物，利用支 最终剩余阳性化合物324个，阴性化合物235个。 持向量机构建神经毒性判别模型，旨在改善已有研 1．1．2 数据集划分 本文采用Kennard—Stone(Ks) 究大多使用结构差异性小的训练集构建判别模型的 方法 ¨选择训练集和测试集。Ks法可以保证训练 不足，以拓宽模型应用范围，提高模型筛查中药神经 集中样本按空间距离分布均匀，使训练集具有较好 毒性成分的预测精度 。 的代表性。保证训练集与测试集的比例为5：2，训 1 材料与方法 练集中阳性化合物与阴性化合物的比例为3：2，测 1．1 数据整理