摘要：在丙型肝炎病毒（HCV）的基因复制和蛋白质成熟的过程中,非结构蛋白5B（NS5B）作为RNA依赖的RNA聚合酶起到了重要的作用.抑制NS5B聚合酶可以阻止丙型肝炎病毒的RNA复制,因此成为一种治疗丙型肝炎的有效方法.通过计算机方法进行虚拟筛选和预测NS5B聚合酶抑制剂已经变得越来越重要.本文主要采用机器学习方法（支持向量机（SVM）、k-最近相邻法（k-NN）和C4.5决策树（C4.5DT））对已知的丙型肝炎病毒NS5B蛋白酶抑制剂与非抑制剂建立分类预测模型.1248个结构多样性化合物（552个NS5B抑制剂与696个非NS5B抑制剂）被用于测试分类预测系统,并用递归变量消除法选择与NS5B抑制剂相关的性质描述符以提高预测精度.独立验证集的总预测精度为84.1%-85.0%,NS5B抑制剂的预测精度为81.4%-91.7%,非NS5B抑制剂的预测精度为78.2%-87.2%.其中支持向量机给出最好的NS5B抑制剂预测精度（91.7%）;C4.5决策树给出最好的非NS5B抑制剂预测精度（87.2%）;k-最近相邻法给出最好的总预测精度（85.0%）.研究表明机器学习方法可以有效预测未知数据集中潜在的NS5B抑制剂,并有助于发现与其相关的分子描述符.

原文链接:http://www.cqvip.com/Main/Detail.aspx?id=38093756

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）