
-
生物通官微
陪你抓住生命科技
跳动的脉搏
将模糊逻辑和神经网络与多标准决策方法相结合,用于智能评估药物化合物设计属性
《Scientific Reports》:Integrating fuzzy logic and neural networks with multi-criteria decision-making for intelligent evaluation of drug compound design attributes
【字体: 大 中 小 】 时间:2026年05月14日 来源:Scientific Reports 3.9
编辑推荐:
摘要本研究提出了一种模糊机器学习框架,用于在药理学不确定性条件下,利用定量结构-性质关系(QSPR)建模来优化抗癫痫药物的选择。特征相关性通过基于随机森林的重要性评估方法和结合互信息的SelectKBest方法进行判定,并通过5折交叉验证训练前馈神经网络。模糊隶属函数被用于模拟临
本研究提出了一种模糊机器学习框架,用于在药理学不确定性条件下,利用定量结构-性质关系(QSPR)建模来优化抗癫痫药物的选择。特征相关性通过基于随机森林的重要性评估方法和结合互信息的SelectKBest方法进行判定,并通过5折交叉验证训练前馈神经网络。模糊隶属函数被用于模拟临床和实验数据中的变异性。与多元线性回归和传统的QSPR模型相比,所提出的方法使均方根误差(RMSE)降低了24%。预测的药理属性进一步被整合到多标准决策(Multi-Criteria Decision-Making, MCDM)框架中,利用TOPSIS方法根据疗效、安全性和成本对候选药物进行排序。最终的排序结果与临床医生的评估结果具有95%的斯皮尔曼相关性(Spearman correlation),证明了该框架在处理抗癫痫药物优先级排序时的可靠性,以及为基于TOPSIS的优先级排序定制MCDM库的可行性。