本课题为基于机器学习的血脑屏障透过率的预测。我将使用机器学习的模型，首先通过训练组中已知化合物相关结构参数和实验logBB值，构建结构参数与logBB值之间的关联。之后再用测试组中的化合物来检验此模型的可靠性。通过输入测试组中的化合物的结构参数到机器学习模型中，输出预测的logBB值，再将预测logBB值与实验logBB值比较，通过统计学的相关评价参数如R2等，来评价预测的准确度。
在课题中，需要用到软件与模型包括：化合物结构参数计算软件（如MOE、DS等），机器学习模型（PLS、MLR、SVM等）。
主要成果形式将包括：数据库（化合物结构、实验logBB值、通过软件计算的化合物结构参数）、程序（机器学习模型）、结果（预测logBB值，统计学评价参数）
课题工作进度：
1.查阅文献
2.收集化合物结构以及实验logBB值
3.学习计算化合物结构参数的软件、计算化合物结构参数
4.学习机器学习模型，编写程序
5.运行程序，得到预测logBB值
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
