基于PSO-BP的抗乳腺癌药物毒性研究

为解决新药研发过程中药物的毒性难以准确预估的问题,利用计算机技术,提出一种基于粒子群算法(PSO)优化BP神经网络的二分类预测模型。通过互信息的方法从729个分子描述符中筛选出重要度最高的20特征作为自变量,以药物的毒性值作为因变量,在BP神经网络模型的基础上,首先使用不同的梯度下降算法计算模型的准确率,发现批量梯度下降算法对BP模型的拟合效果较好;其次利用动态变权重的粒子群算法对BP神经网络模型的权重和阈值进行优化选择,结合BP神经网络、SVM和KNN模型进行对比实验,结果显示,PSO-BP模型的准确率、精确率、召回率和F1值明显高于其它模型。因此,PSO-BP模型是一种对抗乳腺癌药物毒性有效预测的方法。