基于机器学习的环氧合酶-2抑制剂分类模型的构建

目的:构建环氧合酶-2(Cyclooxygenase-2,COX-2)抑制剂分类模型,用以筛选和优化COX-2抑制剂。方法:基于八种机器学习算法构建模型,比较不同模型的预测性能,筛选出最优模型后利用Y随机验证法对其进行测试,最后运用SHAP(Shapley Additive eXplanation)算法对最优模型进行可解释性分析。结果:八种不同模型的性能比较结果显示,基于随机森林算法建立的模型最优,其预测准确率、平衡准确率、马修斯相关系数、特征曲线下面积和F1分数(分别为0.893、0.825、0.673、0.909和0.933)最高;Y随机验证结果表明最优模型的预测结果并非偶然;此外,通过SHAP算法挖掘出20个最有可能影响COX-2抑制剂活性的结构片段。结论:本研究为新型COX-2抑制剂的开发提供理论依据,可供本领域其他研究人员对先导化合物进行优化或设计更好的COX-2抑制剂。