题目名称

基于机器学习算法的药物预测模型的构建与新药发现

作品形式

论文报告

赛题简介

机器学习是一种专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，并重新组织已有的知识结构使之不断改善自身性能的方法。通过内部比较复杂的算法实现对经验数据的学习并推而广之。

机器学习包括无监督学习和有监督学习。对于无监督学习，当系统在得到输入量后，学习的目的就是建立数据的表达。常见的无监督学习方法有Kohonen网络和概念聚类方法。对于有监督学习，是指在提供正确数值前提下，学习从输入到输出的映射关系，并试图使系统得到的输出与正确输出之间的误差最小化。常见的无监督学习方法有支持向量机（SVM）、朴素贝叶斯、递归分割（决策树）、人工神经网络（ANN）、K最邻近法（KNN）以及随机森林（RF）等。

利用机器学习方法对药物某些属性进行评价的本质是一个数学问题，因此需要将化学问题转化为数学问题，具体来说就是需要将小分子转化为数学工具可以识别的形式。通常的方法是计算分子描述符和/或分子指纹，将分子的结构用一个包含分子描述符和/或分子指纹的多维向量表征，利用机器学习算法进行数据建模，以揭示化合物结构与生物活性之间的规律。

模型的预测能力可以用一些参数进行衡量，如通过计算训练集以及测试集的接受者操作特征（receiver operating characteristic, ROC）曲线的曲线下面积（area under the curve, AUC）或通过马修斯相关系数（matthews correlation coefficient, MCC）来衡量模型的预测准确度， AUC 和MCC越接近1越好。

利用可靠的预测模型，对新药发现资源数据库（219.238.229.194:8081/ui/#/）或其他数据库中的化合物进行活性预测。在此基础上，对潜在活性化合物进行生物实验验证，也可以进行文献验证。

关联数据资源

新药发现资源数据库 (219.238.229.194:8081/ui/#/)等国家人口健康科学数据中心的数据资源，用于预测模型的应用与新药发现

是否为往届题目

否

出题单位

中国医学科学院药物研究所

联系人

刘艾林

联系电话

010-83150885

联系邮箱

liuailin@imm.ac.cn

评审标准——论文报告类

分类

具体要求

分值

规范性

（20分)

按照研究论文的格式进行撰写

10

语言流畅，逻辑性强

10

科学性

（40分）

针对某一疾病的某一类活性化合物（如针对药物靶点活性化合物），构建化合物预测模，并进行模型可靠性评价

20

利用预测模型，预测未知活性化合物的活性，并对预测结果中的潜在活性化合物进行活性评价。

20

创新性

（40分）

阐明本研究涉及机器学习算法和预测模型的优势

20

通过预测模型的应用和实验评价，发现新的活性化合物

20

合计

（100分）

100