從兩個分子的描述符中創(chuàng)建特征，學習與相互作用參數(shù) χ 的關系

目標和方法

使用 J-OCTA 機器學習功能（MI-Suite）來估計 χ 參數(shù)。使用的數(shù)據來自 Flory-Huggins Chi 數(shù)據庫。獲取的數(shù)據包括兩個化合物 A 和 B 的名稱以及它們之間的 χ 參數(shù)值。數(shù)據量為 263。學習/預測 χ 參數(shù)的過程如下：

χ 參數(shù)學習/預測過程

1. 從公共化合物數(shù)據庫 PubChem 獲取每種化合物的 SMILES 表示法。 使用 MI-Suite 的數(shù)據獲取功能 DB-Explorer 獲取。使用 MI-Suite 的數(shù)據采集功能 DB-Explorer 獲取數(shù)據。只有同時獲得 A 和 B 的 SMILES 表達式的化合物對（169 個）才會被使用。

2.  使用描述符計算功能 ChemDC 計算每個化合物的描述符值和 AutoCorr2D。

3. 根據原始數(shù)據中對化合物的描述，將計算出的描述符值進行混合，以創(chuàng)建單一特征。

4. 使用的混合方案是定量地理學中使用的混合方案，因為描述符（AutoCorr2D）可視為空間自相關量。

5. 訓練以混合計算的特征為輸入值，以每對化合物的 χ 參數(shù)為目標值。

學習的設置如下：

l 在 MI-Suite 的學習功能所支持的學習方法中，我們使用了 XGBoost，這是一種基于提升的學習方法。XGBoost 的超參數(shù)設置基于 GP（高斯過程），以獲得最佳參數(shù)設置。

l 離群點的去除是在第 90 個百分點（兩側）進行的。

l 在訓練過程中，訓練集和測試集的數(shù)據比例為 8:2。

結果

以下是訓練結果。

對于通過訓練獲得的預測模型（即學得的模型），使用訓練集時的預測準確率為 R^2=0.937，而使用測試集時的預測準確率為 R^2=0.778。

(文章來源：轉載自J-Octa官網）

相關產品鏈接：http://www.anscos.com/jocta.html

如需更多技術咨詢，請隨時與我們聯(lián)系：

全國熱線：400 633 6258

官方郵箱：info@anscos.com