计算SAR建模中不同复杂度分子片段的有效性探索
计算工程、金融与科学
2015-01-14 v1 机器学习
摘要
计算SAR（结构-活性关系）建模的一个重要第一步是将化合物转换为可由预测建模技术处理的表示。这通常是一个特征向量，其中每个特征指示某一分子片段的存在与否。虽然SAR建模的传统方法采用由路径片段导出的尺寸受限指纹，但近年来大量研究聚焦于挖掘更复杂的基于图的片段。如今，数据挖掘界似乎日益形成共识：这些更具表达力的片段应当更有用。我们质疑这一共识，并通过实验表明低复杂度片段（即序列）的表现优于同等规模的更复杂片段集合，我们将此效应归因于片段间的两两相关性以及片段集对不同类别化合物进行区分编码的能力。这些集合的尺寸限制基于对片段按类别相关性得分排序。此外，我们还评估了用显著性值替代路径片段长度限制的效果，发现特征数量显著减少而性能损失很小。
引用
@article{arxiv.1501.03015,
title = {Exploring the efficacy of molecular fragments of different complexity in computational SAR modeling},
author = {Albrecht Zimmermann and Björn Bringmann and Luc De Raedt},
journal= {arXiv preprint arXiv:1501.03015},
year = {2015}
}