基于机器学习的核酸-小分子相互作用研究 本论文通过使用机器学习的方法对核酸-小分子相互作用进行研究,运用了不同对接软件中的打分函数给出不同分数并通过由机器学习训练的模型来进行拟合并与实验数据比对。实验结果表明,由通过机器学习的方法研究核酸-小分子相互作用是高效且低成本的研究方法,为生命科学的研究提供了新方法。 引言 核酸是遗传信息的重要承载体,在生命活动中有着至关重要的作用。本研究旨在用机器学习的方法探究核酸与小分子之间的相互作用,利用人工智能的技术为生命科学的研究提供便利。 实验方法 1. 通过NLDock、Dock6、AutoDock、RDock等四个打分函数得出不同的分数; 2. 利用多层感知机对不同分数进行拟合测试; 3. 将拟合结果与实验结果进行比对,探讨机器学习方法的可行性。 结果与讨论 1. 不同打分函数之间的机理与差异; 2. 多层感知机与其他机器学习模型进行对比(例如随机森林); 3. 多层感知机拟合结果的分析。 结论 基于机器学习的多层感知机模型能较好的拟合出核酸-小分子相互作用的势能量,为研究核酸-小分子结构建模提供了较大帮助。发挥了机器学习的优势巧妙解决了生命科学中较为棘手的问题。 参考文献 1. 张三,李四. 核酸–小分子相互作用的打分函数和分子对接算法研究[J]. 华中科技大学,2010, 30(2):45-58. 2. 王五,et al. 机器学习与生命科学的交叉[J]. 中山大学,2015, 25(3):112-125. 致谢感谢本研究得到的支持和帮助。 以以上内容为大纲撰写一篇10000字论文
|