Resumen

Para abordar el problema de los datos desequilibrados en los mtodos de cribado virtual basados en el acoplamiento molecular, este artculo propone un mtodo de cribado virtual de protenas de frmacos basado en la minera de datos desequilibrados, que introduce la tecnologa de aprendizaje automtico en la tecnologa de cribado virtual de protenas de frmacos para abordar el problema de los datos desequilibrados en el proceso de cribado virtual y mejorar la precisin del cribado virtual. En primer lugar, para abordar el problema del desequilibrio de datos causado por la gran diferencia entre el nmero de compuestos activos y el nmero de compuestos inactivos en la conformacin de acoplamiento generada por el proceso de cribado virtual real, este artculo propone una forma de mejorar el problema del desequilibrio de datos utilizando SMOTE combinado con un algoritmo gentico para sintetizar nuevos compuestos activos artificialmente mediante el muestreo ascendente de compuestos activos. A continuacin, con el fin de mejorar la precisin en el proceso de cribado virtual de protenas de frmacos, se introduce la idea de aprendizaje integrado, y el bosque aleatorio (RF) extendido de la tcnica de aprendizaje integrado Bagging se combina con la tcnica de mquina de vectores soporte (SVM), y se propone el cribado virtual de conformaciones de acoplamiento molecular utilizando la tcnica RF-SVM para mejorar la precisin de la prediccin de compuestos activos en conformaciones de acoplamiento. Para verificar la eficacia de la tcnica propuesta, en primer lugar, la proteasa del VIH-1 y la quinasa SRC se utilizaron como datos de prueba para los experimentos, y luego, CA II se utiliz para validar el modelo de los datos de prueba. El cribado virtual de protenas de frmacos mediante el mtodo propuesto en este trabajo mostr una mejora tanto en el factor de enriquecimiento (EF) como en el AUC en comparacin con el uso del cribado virtual tradicional, para el conjunto de datos de prueba. Por lo tanto, se puede demostrar que el mtodo propuesto puede mejorar eficazmente la precisin del cribado virtual de frmacos.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Datos desequilibrados; Cribado virtual; Proteínas de fármacos; Aprendizaje automático; SMOTE; Algoritmo genético
• Keywords:Imbalanced data; Virtual screening; Drug proteins; Machine learning; SMOTE; Genetic algorithm