药物构效关系的集成学习方法

新药研发是国家重点扶持产业，药物构效关系研究是新药研发的基础性工作。本项目将综合利用集成学习、特征选择以及支持向量机等当前最新的化学计量学技术，以优化药物构效关系模型，进而提高药物活性预报的准确性。集成学习可以进一步提高支持向量机方法的外推能力，针对药物构效关系问题，本项目将详细研究：1)结合支持向量机集成学习进行数据集的特征选择以去除药物结构特征中的无关特征；2)结合属性划分的支持向量机集成学习，利用冗余的结构特征提高所得预报模型的外推能力；3)设计构造性集成学习方法以提高建模方法的易用性。这些化学计量学新方法的研究将进一步提高药物构效关系模型的精确度和易用性，同时丰富化学计量学领域的工具，供面向其它应用的研究者参考。