《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》
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。
图表编号 | XD00124657700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.15 |
作者 | 苏敏仪、刘慧思、林海霞、王任小 |
绘制单位 | 中国科学院上海有机化学研究所生命有机化学国家重点实验室、中国科学院大学、上海大学理学院化学系、上海大学理学院化学系、中国科学院上海有机化学研究所生命有机化学国家重点实验室、中国科学院大学 |
更多格式 | 高清、无水印(增值服务) |