基于支持向量回歸算法的抗乳腺癌藥物活性預測

黃 甜，魏靜雯

（南京財經大學 應用數學學院，江蘇 南京 210000）

目前，人們還沒有完全找出導致乳腺癌的原因，但認為懷孕、生育和哺乳等都是致癌因素。研究結果表明，雌激素受體α亞 型（ERα）參與細胞以及癌細胞的增殖［1］，是乳腺癌內分泌治療的重要靶點。針對ERα，通過篩選找出抑制腫瘤生長的藥物成分，對于抗癌藥物的研制具有重要意義。

隨著計算機技術的發展和計算機應用的普及，許多學者通過機器學習對醫學數據進行了數值分析，以挖掘數據背后隱藏的信息。

20世紀90年代中期，V.N.VAPNIK等［2］提出的有限樣本的機器學習理論逐漸成熟起來，形成了比較完善的統計學習理論，彌補了傳統統計學的不足。隨著統計學習理論的發展，人們能從本質上研究機器學習理論，而不需要從生物仿生學的角度構建學習機器。支持向量機是以統計學習理論為基礎發展起來的一種機器學習方法，主要用于解決二分類問題。與此同時，支持向量回歸（support vector regression,SVR）算法在支持向量機的基礎上發展起來，并用于解決函數擬合問題。S.M.CLARKE等［3］研究了支持向量回歸算法，并將其作為逼近復雜工程的替代技術。張馨予等［4］利用遺傳算法對支持向量回歸模型的初始參數進行了優化，并利用優化后的模型預測了中國老齡化人口問題。

近年來，支持向量回歸算法在生物醫學、函數逼近和模式識別等方面已得到了廣泛的應用。在此基礎上，我們采用條件互信息最大化（conditional mutual information maximization,CMIM）準則分析了藥物分子描述符的特征信息，利用篩選的特征信息建立了支持向量回歸算法，預測了合成的新抗乳腺癌藥物的生物活性，并對預測結果進行擬合和分析，驗證了預測結果的正確性。……