人工智能算法在生物藥劑學中的應(yīng)用.pdf

1、人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork，ANN)是對人腦若干基本特性通過數(shù)學方法進行的抽象和模擬，是一種模仿人腦結(jié)構(gòu)及其功能的非線性信息處理系統(tǒng)。BP(Back-Propagation)網(wǎng)絡(luò)是一種采用反向傳播學習算法的神經(jīng)網(wǎng)絡(luò)，對于在任意閉區(qū)間內(nèi)的一個連續(xù)函數(shù)都可以用單隱層的BP網(wǎng)絡(luò)逼近，一個三層的BP網(wǎng)絡(luò)就可以完成任意的n維到m維的映射。 遺傳算法(GeneticAlgorithm，GA)以生物進化過程為

2、背景，模擬生物進化的步驟，將繁殖、雜交、變異、競爭和選擇等概念引入到算法中，通過維持一組可行解，并對可行解進行重新組合，改進可行解在多維空間內(nèi)的移動軌跡或趨向，最終走向最優(yōu)解。它克服了傳統(tǒng)優(yōu)化方法容易陷入局部極值的缺點，是一種全局優(yōu)化算法。 第一部分將神經(jīng)網(wǎng)絡(luò)應(yīng)用到藥物透過人皮膚的滲透性能預(yù)測研究中。采集兩組數(shù)據(jù)樣本，甩Matlab自編程序分別建立了預(yù)測藥物經(jīng)皮滲透速率BP網(wǎng)絡(luò)和預(yù)測經(jīng)皮滲透系數(shù)的BP網(wǎng)絡(luò)模型。兩個模型的輸入變量

3、相同，為藥物的分子量(Mr)，油水分配系數(shù)(10gKow)，供氫數(shù)(Hd)和受氫數(shù)(Ha)。輸出變量分別為藥物經(jīng)皮滲透速率(logJmax)和經(jīng)皮滲透系數(shù)(logKp)。前者模型測試組預(yù)測logJmax與實際logJmax的相關(guān)系數(shù)平方為0.997，回歸直線的斜率為0.970。后者模型測試組預(yù)測得到的logKp與實際logKp的相關(guān)系數(shù)為0.95，均方誤差平方根(RMSE)為0.37。本研究表明BP神經(jīng)能夠很好地預(yù)測藥物透過皮膚的滲透性

4、能。 第二部分旨在建立一個生物藥劑學分類系統(tǒng)(BCS)預(yù)測模型。藥物在BCS中的分類取決于其溶解性和滲透性。故首先建立藥物特征溶解度模型和絕對生物利用度模型。用多元線性回歸和神經(jīng)網(wǎng)絡(luò)建立溶解度的線性模型和非線性模型，通過模型預(yù)測值與實際值的相關(guān)系數(shù)(R)、均方誤差平方根(RMSE)和AIC比較，神經(jīng)網(wǎng)絡(luò)模型比逐步線性回歸模型優(yōu)越。用神經(jīng)網(wǎng)絡(luò)建立兩種預(yù)測藥物口服絕對生物利用度的模型。前者的輸入變量為7個已能明確解釋的理論參數(shù)，后者

5、的輸入變量有15個，包括上述變量和用遺傳算法篩選出來的8個變量。通過比較，后者的預(yù)測效能優(yōu)越。采集16個BCS分類明確的藥物樣本，用自行建立的溶解度模型和生物利用度模型預(yù)測分類，溶解度預(yù)測準確度為93.8％，滲透性預(yù)測準確度為81.2％，生物藥劑學分類系統(tǒng)預(yù)測準確度為75.0％。 第三部分將神經(jīng)網(wǎng)絡(luò)應(yīng)用到藥動學參數(shù)的預(yù)測，用BP網(wǎng)絡(luò)預(yù)測新生兒丁胺卡那霉素消除速率常數(shù)。建立梯度下降BP網(wǎng)絡(luò)(GD-BP-NN)，貝葉斯標準化BP網(wǎng)絡(luò)

6、(BR-BP-NN)和遺傳BP網(wǎng)絡(luò)(G-BP-NN)，以23例新生兒靜脈滴注丁胺卡那霉素相關(guān)臨床資料為研究對象，研究新生兒胎齡、日齡和體重對丁胺卡那霉素消除速率的影響，預(yù)測患者的消除速率常數(shù)，并比較三種網(wǎng)絡(luò)的預(yù)測精度和運行效率。結(jié)果表明GD-BP-NN，BR-BP-NN和G-BP-NN測試組預(yù)測值和實驗計算值的相關(guān)系數(shù)分別為0.92，0.91和0.98；測試組均方誤差平方根(RMSE)分別是0.020，0.024和0.010；相同的預(yù)測