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。

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)