《表3 模型1和参照模型在不同数据集上的表现》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《应用机器学习方法构建药物分子解离速率常数的预测模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

随后，我们对模型1进行外部测试。模型1在外部测试集上的测试结果如表3所示。模型1表现出良好的预测能力，其预测值与实验值之间的相关系数R=0.623，预测值均方根偏差RMSE=1.06。我们还使用了另一个外部测试集来测试模型1。该数据集来自德国海森堡大学Wade课题组发表的工作，包含66个已知解离速率常数的HSP90蛋白抑制剂9。需要说明的是，该数据集有2个样本与本工作的数据集重叠，故在我们的测试中对其进行剔除，即该外部测试集由64个样本组成。模型1在该外部测试集上仍然表现出了较强的预测能力（见表3），其预测值与实验值之间的相关系数R=0.625，预测值均方根偏差RMSE=0.98。该测试集只包含作用于单一靶点的配体分子，我们的QSKR模型在此测试集上表现出与多样性测试集大致相当的精度，这是一个合理的结果。