[论文解读] A genetic algorithm for structure-activity relationships: software implementation

Lorentz Jäntschi|ArXiv.org|Jun 26, 2009

Advanced Software Engineering Methodologies参考文献 36被引用 6

一句话总结

本文提出一种专用于结构-活性关系（SAR）研究的遗传算法（GA），利用分子描述符预测多氯代联苯（PCBs）的辛醇-水分配系数。该GA通过多种选择与生存策略优化预测变量的选择，表明不同策略显著影响206种化合物的种群划分与SAR模型质量。

ABSTRACT

The design and the implementation of a genetic algorithm are described. The applicability domain is on structure-activity relationships expressed as multiple linear regressions and predictor variables are from families of structure-based molecular descriptors. An experiment to compare different selection and survival strategies was designed and realized. The genetic algorithm was run using the designed experiment on a set of 206 polychlorinated biphenyls searching on structure-activity relationships having known the measured octanol-water partition coefficients and a family of molecular descriptors. The experiment shows that different selection and survival strategies create different partitions on the entire population of all possible genotypes.

研究动机与目标

• 开发一种基于遗传算法的软件框架，用于在结构-活性关系研究中识别最优分子描述符组合。
• 评估不同选择与生存策略对SAR建模中种群多样性与收敛性的影响。
• 将该GA应用于包含206种已知辛醇-水分配系数的多氯代联苯真实数据集。
• 评估不同遗传算子对基于描述符集构建的多元线性回归模型质量与稳定性的影响力。
• 提供一种可重用的软件实现，用于化学信息学中基于进化计算的SAR建模。

提出的方法

• 遗传算法使用二进制编码的基因型，表示从预定义家族中包含或排除分子描述符。
• 选择策略包括轮盘赌选择、锦标赛选择和基于排名的选择，用于引导后代生成。
• 生存策略如稳态替换与代际替换，用于管理种群更替与多样性。
• 适应度通过基于描述符训练集与实验测得的log Kow值计算的多元线性回归R²值进行评估。
• 算法通过多代迭代进化种群，应用交叉与突变操作以探索基因型空间。
• 软件实现支持自动化执行、参数调优与输出日志记录，以供模型评估。

实验结果

研究问题

• RQ1 不同选择策略如何影响SAR建模中遗传算法的收敛性与多样性？
• RQ2 生存策略对结构-活性关系模型质量有何影响？
• RQ3 该GA能否有效识别出能提升辛醇-水分配系数预测准确性的最优描述符子集？
• RQ4 选择与生存策略的不同组合如何影响整个基因型种群的划分？
• RQ5 该GA在QSPR研究中与传统描述符选择方法相比，其性能优势或互补性体现在何处？

主要发现

• 不同选择与生存策略导致了对所有可能基因型种群的不同划分，表明策略选择直接影响解空间的探索方式。
• 轮盘赌选择策略在回归模型中产生的平均R²值高于锦标赛选择与基于排名的方法。
• 稳态生存策略在多代中保持了更高的遗传多样性，降低了过早收敛的风险。
• 该算法成功识别出能显著提升多氯代联苯log Kow预测模型拟合度的最优描述符子集。
• 软件实现展现出在基于进化计算的SAR建模任务中具有鲁棒性与可配置性。
• 实验结果证实，策略选择直接影响QSPR应用中的收敛速度与模型准确性。