python代码 根据文件“Molecular_Descriptor.xlsx”和“ERα_activity.xlsx”提供的数据,针对1974个化合物的729个分子描述符进行变量选择,根据变量对生物活性影响的重要性进行排序,并给出前20个对生物活性最具有显著影响的分子描述符(即变量),并请详细说明分子描述符筛选过程及其合理性,选择不超过20个分子描述符变量,构建化合物对ERα生物活性的定量预测模型,请叙述建模过程。然后使用构建的预测模型,对文件“ERα_activity.xlsx”的test表中的50个化合物进行IC50值和对应的pIC50值预测,并将结果分别填入“ERα_activity.xlsx”的test表中的IC50_nM列及对应的pIC50列。 问题3. 请利用文件“Molecular_Descriptor.xlsx”提供的729个分子描述符,针对文件“ADMET.xlsx”中提供的1974个化合物的ADMET数据,从五个指标(Caco-2、CYP3A4、hERG、HOB、MN)中任选2个,分别构建其分类预测模型,并简要叙述建模过程。然后使用所构建的2个分类预测模型,对文件“ADMET.xlsx”的test表中的50个化合物进行相应的预测,并将结果填入“ADMET.xlsx”的test表中对应的Caco-2、CYP3A4、hERG、HOB、MN列。

时间: 2024-03-29 21:38:49 浏览: 93
ZIP

(3个国二,3种解法)2021年华为杯数学建模D题抗乳腺癌候选药物的优化建模

star5星 · 资源好评率100%
问题1的代码: # 导入必要的库和数据 import pandas as pd import numpy as np from sklearn.preprocessing import StandardScaler df1 = pd.read_excel('Molecular_Descriptor.xlsx', sheet_name='train', index_col=0) df2 = pd.read_excel('ERα_activity.xlsx', sheet_name='train', index_col=0) # 数据预处理 X = StandardScaler().fit_transform(df1.values) y = df2.values.ravel() # 特征选择 from sklearn.feature_selection import SelectKBest, f_regression selector = SelectKBest(score_func=f_regression, k=20) selector.fit(X, y) # 输出前20个重要的分子描述符 df_scores = pd.DataFrame({'Feature': df1.columns, 'Score': selector.scores_}) df_scores = df_scores.sort_values(by='Score', ascending=False) top20_features = df_scores.head(20)['Feature'].values print(top20_features) # 构建预测模型 from sklearn.linear_model import LinearRegression X_selected = df1[top20_features].values model = LinearRegression() model.fit(X_selected, y) # 对test数据集进行预测并保存结果 df_test = pd.read_excel('ERα_activity.xlsx', sheet_name='test', index_col=0) X_test = StandardScaler().fit_transform(df_test.values) X_test_selected = df_test[top20_features].values y_pred = model.predict(X_test_selected) df_test['IC50_nM'] = y_pred df_test['pIC50'] = -np.log10(y_pred * 1e-9) df_test.to_excel('ERα_activity.xlsx', sheet_name='test', index=True) 问题3的代码: # 导入必要的库和数据 import pandas as pd import numpy as np from sklearn.preprocessing import StandardScaler from sklearn.model_selection import train_test_split df1 = pd.read_excel('Molecular_Descriptor.xlsx', sheet_name='train', index_col=0) df2 = pd.read_excel('ADMET.xlsx', sheet_name='train', index_col=0) # 数据预处理 X = StandardScaler().fit_transform(df1.values) y_caco2 = df2['Caco-2'].values y_cyp3a4 = df2['CYP3A4'].values # 特征选择 from sklearn.feature_selection import SelectKBest, f_classif selector = SelectKBest(score_func=f_classif, k=20) selector.fit(X, y_caco2) top20_features_caco2 = df1.columns[selector.get_support()].values selector = SelectKBest(score_func=f_classif, k=20) selector.fit(X, y_cyp3a4) top20_features_cyp3a4 = df1.columns[selector.get_support()].values # 构建分类预测模型 from sklearn.linear_model import LogisticRegression X_selected_caco2 = df1[top20_features_caco2].values X_selected_cyp3a4 = df1[top20_features_cyp3a4].values model_caco2 = LogisticRegression() model_caco2.fit(X_selected_caco2, y_caco2) model_cyp3a4 = LogisticRegression() model_cyp3a4.fit(X_selected_cyp3a4, y_cyp3a4) # 对test数据集进行预测并保存结果 df_test = pd.read_excel('ADMET.xlsx', sheet_name='test', index_col=0) X_test = StandardScaler().fit_transform(df_test.values) X_test_selected_caco2 = df_test[top20_features_caco2].values X_test_selected_cyp3a4 = df_test[top20_features_cyp3a4].values y_pred_caco2 = model_caco2.predict(X_test_selected_caco2) y_pred_cyp3a4 = model_cyp3a4.predict(X_test_selected_cyp3a4) df_test['Caco-2'] = y_pred_caco2 df_test['CYP3A4'] = y_pred_cyp3a4 df_test.to_excel('ADMET.xlsx', sheet_name='test', index=True)
阅读全文

相关推荐

python问题1. 根据文件“Molecular_Descriptor.xlsx”和“ERα_activity.xlsx”提供的数据,针对1974个化合物的729个分子描述符进行变量选择,根据变量对生物活性影响的重要性进行排序,并给出前20个对生物活性最具有显著影响的分子描述符(即变量),并请详细说明分子描述符筛选过程及其合理性。 问题2. 请结合问题1,选择不超过20个分子描述符变量,构建化合物对ERα生物活性的定量预测模型,请叙述建模过程。然后使用构建的预测模型,对文件“ERα_activity.xlsx”的test表中的50个化合物进行IC50值和对应的pIC50值预测,并将结果分别填入“ERα_activity.xlsx”的test表中的IC50_nM列及对应的pIC50列。 问题3. 请利用文件“Molecular_Descriptor.xlsx”提供的729个分子描述符,针对文件“ADMET.xlsx”中提供的1974个化合物的ADMET数据,从五个指标(Caco-2、CYP3A4、hERG、HOB、MN)中任选2个,分别构建其分类预测模型,并简要叙述建模过程。然后使用所构建的2个分类预测模型,对文件“ADMET.xlsx”的test表中的50个化合物进行相应的预测,并将结果填入“ADMET.xlsx”的test表中对应的Caco-2、CYP3A4、hERG、HOB、MN列。 问题4(选做). 寻找并阐述化合物的哪些分子描述符,以及这些分子描述符在什么取值或者处于什么取值范围时,能够使化合物对抑制ERα具有更好的生物活性,同时具有更好的ADMET性质(给定的五个ADMET性质中,至少三个性质较好)。

最新推荐

recommend-type

mmw Demo Data Structure_8_16.pdf

- 数据包结构:每个数据包由一个头部和所有启用的数据字段组成,可以通过CLI接口配置。 - 数据包发送:每个雷达帧只发送一个数据包,且长度为32字节的倍数。 2. mmW Demo 数据结构 - 统计信息:包括范围信息、...
recommend-type

详解Java中的File文件类以及FileDescriptor文件描述类

在Java编程语言中,`File`类是处理文件和目录的核心工具,提供了丰富的API用于创建、删除、重命名以及查询文件和目录等操作。`File`类直接继承自`Object`,并实现了`Serializable`和`Comparable`接口,使得File对象...
recommend-type

Eclipse配置使用web.xml的方法

这个文件包含了默认的Servlet和Filter配置,你可以根据需求进行修改。 **方法二:后期添加配置** 2. 如果在创建项目时忘记勾选上述选项,也可以在项目创建后进行补救。右键点击项目,然后选择"Java EE Tools" -> ...
recommend-type

关于组织参加“第八届‘泰迪杯’数据挖掘挑战赛”的通知-4页

关于组织参加“第八届‘泰迪杯’数据挖掘挑战赛”的通知-4页
recommend-type

PyMySQL-1.1.0rc1.tar.gz

PyMySQL-1.1.0rc1.tar.gz
recommend-type

StarModAPI: StarMade 模组开发的Java API工具包

资源摘要信息:"StarModAPI: StarMade 模组 API是一个用于开发StarMade游戏模组的编程接口。StarMade是一款开放世界的太空建造游戏,玩家可以在游戏中自由探索、建造和战斗。该API为开发者提供了扩展和修改游戏机制的能力,使得他们能够创建自定义的游戏内容,例如新的星球类型、船只、武器以及各种游戏事件。 此API是基于Java语言开发的,因此开发者需要具备一定的Java编程基础。同时,由于文档中提到的先决条件是'8',这很可能指的是Java的版本要求,意味着开发者需要安装和配置Java 8或更高版本的开发环境。 API的使用通常需要遵循特定的许可协议,文档中提到的'在许可下获得'可能是指开发者需要遵守特定的授权协议才能合法地使用StarModAPI来创建模组。这些协议通常会规定如何分发和使用API以及由此产生的模组。 文件名称列表中的"StarModAPI-master"暗示这是一个包含了API所有源代码和文档的主版本控制仓库。在这个仓库中,开发者可以找到所有的API接口定义、示例代码、开发指南以及可能的API变更日志。'Master'通常指的是一条分支的名称,意味着该分支是项目的主要开发线,包含了最新的代码和更新。 开发者在使用StarModAPI时应该首先下载并解压文件,然后通过阅读文档和示例代码来了解如何集成和使用API。在编程实践中,开发者需要关注API的版本兼容性问题,确保自己编写的模组能够与StarMade游戏的当前版本兼容。此外,为了保证模组的质量,开发者应当进行充分的测试,包括单人游戏测试以及多人游戏环境下的测试,以确保模组在不同的使用场景下都能够稳定运行。 最后,由于StarModAPI是针对特定游戏的模组开发工具,开发者在创建模组时还需要熟悉StarMade游戏的内部机制和相关扩展机制。这通常涉及到游戏内部数据结构的理解、游戏逻辑的编程以及用户界面的定制等方面。通过深入学习和实践,开发者可以利用StarModAPI创建出丰富多样的游戏内容,为StarMade社区贡献自己的力量。" 由于题目要求必须输出大于1000字的内容,上述内容已经满足此要求。如果需要更加详细的信息或者有其他特定要求,请提供进一步的说明。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

R语言数据清洗术:Poisson分布下的异常值检测法

![R语言数据清洗术:Poisson分布下的异常值检测法](https://ucc.alicdn.com/images/user-upload-01/img_convert/a12c695f8b68033fc45008ede036b653.png?x-oss-process=image/resize,s_500,m_lfit) # 1. R语言与数据清洗概述 数据清洗作为数据分析的初级阶段,是确保后续分析质量的关键。在众多统计编程语言中,R语言因其强大的数据处理能力,成为了数据清洗的宠儿。本章将带您深入了解数据清洗的含义、重要性以及R语言在其中扮演的角色。 ## 1.1 数据清洗的重要性
recommend-type

设计一个简易的Python问答程序

设计一个简单的Python问答程序,我们可以使用基本的命令行交互,结合字典或者其他数据结构来存储常见问题及其对应的答案。下面是一个基础示例: ```python # 创建一个字典存储问题和答案 qa_database = { "你好": "你好!", "你是谁": "我是一个简单的Python问答程序。", "你会做什么": "我可以回答你关于Python的基础问题。", } def ask_question(): while True: user_input = input("请输入一个问题(输入'退出'结束):")
recommend-type

PHP疫情上报管理系统开发与数据库实现详解

资源摘要信息:"本资源是一个PHP疫情上报管理系统,包含了源码和数据库文件,文件编号为170948。该系统是为了适应疫情期间的上报管理需求而开发的,支持网络员用户和管理员两种角色进行数据的管理和上报。 管理员用户角色主要具备以下功能: 1. 登录:管理员账号通过直接在数据库中设置生成,无需进行注册操作。 2. 用户管理:管理员可以访问'用户管理'菜单,并操作'管理员'和'网络员用户'两个子菜单,执行增加、删除、修改、查询等操作。 3. 更多管理:通过点击'更多'菜单,管理员可以管理'评论列表'、'疫情情况'、'疫情上报管理'、'疫情分类管理'以及'疫情管理'等五个子菜单。这些菜单项允许对疫情信息进行增删改查,对网络员提交的疫情上报进行管理和对疫情管理进行审核。 网络员用户角色的主要功能是疫情管理,他们可以对疫情上报管理系统中的疫情信息进行增加、删除、修改和查询等操作。 系统的主要功能模块包括: - 用户管理:负责系统用户权限和信息的管理。 - 评论列表:管理与疫情相关的评论信息。 - 疫情情况:提供疫情相关数据和信息的展示。 - 疫情上报管理:处理网络员用户上报的疫情数据。 - 疫情分类管理:对疫情信息进行分类统计和管理。 - 疫情管理:对疫情信息进行全面的增删改查操作。 该系统采用面向对象的开发模式,软件开发和硬件架设都经过了细致的规划和实施,以满足实际使用中的各项需求,并且完善了软件架设和程序编码工作。系统后端数据库使用MySQL,这是目前广泛使用的开源数据库管理系统,提供了稳定的性能和数据存储能力。系统前端和后端的业务编码工作采用了Thinkphp框架结合PHP技术,并利用了Ajax技术进行异步数据交互,以提高用户体验和系统响应速度。整个系统功能齐全,能够满足疫情上报管理和信息发布的业务需求。" 【标签】:"java vue idea mybatis redis" 从标签来看,本资源虽然是一个PHP疫情上报管理系统,但提到了Java、Vue、Mybatis和Redis这些技术。这些技术标签可能是误标,或是在资源描述中提及的其他技术栈。在本系统中,主要使用的技术是PHP、ThinkPHP框架、MySQL数据库、Ajax技术。如果资源中确实涉及到Java、Vue等技术,可能是前后端分离的开发模式,或者系统中某些特定模块使用了这些技术。 【压缩包子文件的文件名称列表】: CS268000_*** 此列表中只提供了单一文件名,没有提供详细文件列表,无法确定具体包含哪些文件和资源,但假设它可能包含了系统的源代码、数据库文件、配置文件等必要组件。