[发明专利]基于复杂抽样和改进决策森林算法的化合物致癌毒性预测方法

权利要求书

1、一种基于复杂抽样和改进决策森林算法的化合物致癌毒性预测方法，其特征在于，所述方法包括如下步骤：

a.使用复杂抽样算法完成训练子集产生，采用三层循环基于系统时间的随机数发生器进行化合物的随机挑选，并使用C程序完成训练子集抽样；

b.根据复杂抽样算法结果固定描述符的组成计算分子中的各种相关描述符，用于分子的表征并用于分子致癌毒性建模，所述描述符包括电子描述符、空间描述符、结构描述符、热力学描述符和拓扑描述符；

c.使用基于相关矩阵分析和因子分析方法优化描述符池；

d.使用改进的决策森林方法对训练集分子的致癌毒性数据及其相应化学表征进行数据挖掘，得到分类的预测可信区间和致癌毒性预测模型；

e.根据改进的决策森林方法使用C语言开发模块化的有机化合物致癌毒性预测程序；

f.根据得到的致癌毒性预测模型，统计所有决策单树中描述符的出现频率，发现与致癌性最相关的描述符与相关规则。

2、根据权利要求1所述的基于复杂抽样和改进决策森林算法的化合物致癌毒性预测方法，其中，所述步骤a中的三层循环包括如下三个模块：(1)在训练子集中重现原训练集的致癌物与非致癌物的比例的模块；(2)确保同一个训练子集中不出现重复的化合物的模块；(3)保证每个化合物的出现次数有统计意义的模块。

3、根据权利要求1所述的基于复杂抽样和改进决策森林算法的化合物致癌毒性预测方法，其中，在所述步骤b中，所述电子描述符为原子极化度和、偶极矩、最高占用分子轨道、最低未占用分子轨道、超离域能；所述空间描述符为转动半径、分子表面积、分子体积、分子密度、惯性矩、Jurs点电荷比表面指数、分子形状投影；所述结构描述符为旋转键、氢键受体、氢键供体、分子量、手性中心；所述热力学描述符为油水分配系数、分子折射率、水中去溶剂化自由能、油中去溶剂化自由能、生成热；所述拓扑描述符为Balaban分子连接指数、Wiener化学键指数、CHI分子连接指数、Kappa形状指数、Hosoya分子图指数、Zagreb分子图指数。

4、根据权利要求1所述的基于复杂抽样和改进决策森林算法的化合物致癌毒性预测方法，其中，在所述步骤f中，与致癌物最为相关的描述符为Jurs-DPSA-2点电荷比表面指数、最高占用分子轨道、油水分配系数、原子极化度和和Balaban-JX分子连接指数，与非致癌物最为相关的描述符为Jurs-DPSA-2点电荷比表面指数、最高占用分子轨道和分子折射率，Jurs-DPSA-2点电荷比表面指数综合分子的形状和电子信息表示其特征，数值上，它等于总电荷除以正电荷的溶剂可及表面减去总电荷除以负电荷的溶剂可及表面；最高占用分子轨道能是化合物电负性的量度；油水分配系数与分子的疏水性直接相关；原子极化度和是衡量原子极化度的指标，其数值越小，表示存在杂原子的程度越高，因此存在具有致癌性的极化官能团的可能性越高；Balaban-Jx分子连接指数反映杂原子的电负性和共价半径，这对应于很多含杂原子官能团与致癌的化学结构相关；分子折射率反映分子大小和极化度。