0 引言

    由于技術(shù)的發(fā)展，新化合物的合成速度加快，每年誕生的化合物數(shù)以萬(wàn)計(jì)^[1-2]，傳統(tǒng)的評(píng)價(jià)方法不可能對(duì)所有的化合物進(jìn)行評(píng)估。并且近年來(lái)患癌人數(shù)不斷增多^[3]，目前仍不清楚大多數(shù)的癌癥是由于暴露于何種致癌化合物而導(dǎo)致的。世界衛(wèi)生組織國(guó)際癌癥機(jī)構(gòu)(IARC)致癌清單中只有429種化合物被歸為具有致癌性物質(zhì),但仍有500余種化合物未進(jìn)行判定。傳統(tǒng)的化合物致癌性評(píng)估主要通過(guò)實(shí)驗(yàn)測(cè)試進(jìn)行，試驗(yàn)周期長(zhǎng)且成本昂貴，不確定因素過(guò)多，因此迫切需要開(kāi)發(fā)替代方法和工具來(lái)評(píng)估化合物的致癌性。

    利用計(jì)算機(jī)進(jìn)行毒性預(yù)測(cè)^[4]是安全評(píng)價(jià)的重要手段，能夠大幅度節(jié)省非臨床安全評(píng)價(jià)試驗(yàn)成本，提高試驗(yàn)設(shè)計(jì)的科學(xué)性和準(zhǔn)確性。隨著機(jī)器學(xué)習(xí)的不斷發(fā)展，支持向量機(jī)(SVM)、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)(Random Forest)和K-最近鄰(KNN)等機(jī)器學(xué)習(xí)算法已被廣泛用于化合物毒性預(yù)測(cè)中^[5-7]。此外，對(duì)致癌性化合物的預(yù)測(cè)也有一些報(bào)道。2004年，張曉昀等人^[8]用人工神經(jīng)網(wǎng)絡(luò)中誤差反向傳播網(wǎng)絡(luò)(BPNN)和徑向基函數(shù)網(wǎng)絡(luò)(RBFNN)對(duì)化合物的致癌性強(qiáng)弱進(jìn)行了分類(lèi)，模型的分類(lèi)準(zhǔn)確率達(dá)到了80%以上；2005年，張振山等人^[9]用PCA對(duì)分子描述符降維，利用決策森林的方法預(yù)測(cè)化合物致癌性；在2007年，謝瑩等人^[10]基于gSpan算法，挖掘與已知毒性化合物具有相同字結(jié)構(gòu)的化合物，進(jìn)行未知化合物的毒性預(yù)測(cè)；2017年，梁倩倩等人^[11]基于量化構(gòu)效關(guān)系(QSAR)方法預(yù)測(cè)N-亞硝基化學(xué)物(NOCs)的致癌性，同年，閻愛(ài)俠等人^[12]構(gòu)建化合物的多維描述符，分別采用4種機(jī)器學(xué)習(xí)方法(樸素貝葉斯、隨機(jī)森林、多層感知機(jī)和支持向量機(jī))，模型的平均正確率達(dá)到74%±3%。

本文詳細(xì)內(nèi)容請(qǐng)下載：http://www.rjjo.cn/resource/share/2000004415。

作者信息：

魏若冰，何家峰，邱曉芳，劉  旗

(廣東工業(yè)大學(xué) 信息工程學(xué)院，廣東 廣州 510006)