Advertisement

2021年华为杯数学建模D题：抗乳腺癌候选药物优化建模分析分享

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本项目为2021年“华为杯”数学建模竞赛D题研究成果，聚焦于运用数学模型优化抗乳腺癌候选药物筛选过程。通过建立和求解复杂生物医学问题的数学模型，旨在提高药物研发效率并加速对抗癌症的研究进程。 1. 构建了mRMR-置换特征重要性混合模型，并获得了国家三等奖。 2. 建立了化合物分子的生物活性定量预测模型。 3. 开发了ADMET分类预测模型。 4. 使用了一种改进遗传算法。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 2021年华为杯数学建模D题：抗乳腺癌候选药物优化建模分析分享
    优质
    本项目为2021年“华为杯”数学建模竞赛D题研究成果，聚焦于运用数学模型优化抗乳腺癌候选药物筛选过程。通过建立和求解复杂生物医学问题的数学模型，旨在提高药物研发效率并加速对抗癌症的研究进程。 1. 构建了mRMR-置换特征重要性混合模型，并获得了国家三等奖。 2. 建立了化合物分子的生物活性定量预测模型。 3. 开发了ADMET分类预测模型。 4. 使用了一种改进遗传算法。
     
  • 2021年华为杯数学建模D题：抗乳腺癌候选药物优化建模解答（ZIP文件）
    优质
    本作品为2021年“华为杯”数学建模竞赛针对D题《抗乳腺癌候选药物的优化建模》的问题解答，以附件ZIP格式提供模型构建、求解与分析。 代码非常全面，并且包含详细的注释。题目要求解决的问题包括特征选择问题、回归预测问题、二分类问题以及最优化问题。
     
  • （三国二，三解法）2021年华为杯数学建模D题：抗乳腺癌候选药物的优化建模
    优质
    本研究针对2021年“华为杯”数学建模竞赛D题，致力于构建优化模型以筛选和设计更有效的抗乳腺癌候选药物，探索其作用机制与药效预测。 采用随机森林结合相关性分析方法（包括决策树回归、线性回归、梯度提升向量机及改进型贪心调优），基于1974个ERα拮抗剂化合物样本的数据集，每个样本包含729个分子描述符变量和一个生物活性数据点以及五个ADMET性质数据点。构建了用于预测化合物生物活性的定量模型和用于分类预测ADMET性质的模型，旨在为优化ERα拮抗剂同时具备优良生物活性与良好ADMET特性的目标提供有效支持。此外，提供的代码完整且结构清晰，便于横向及纵向对比分析，并提供了三种不同的解决方案以供选择使用。
     
  • 2021年华为杯研究生数学建模竞赛D题：抗乳腺癌候选药物的优化建模及Python代码实现
    优质
    本项目针对2021年“华为杯”研究生数学建模竞赛D题，旨在通过优化模型筛选和设计新型抗乳腺癌候选药物，并用Python进行代码实现。 自己写的代码实现了研赛华为杯建模竞赛题，使用Python编写，并且已经运行成功，原创作品。
     
  • 2021年华为杯研究生数学建模竞赛D题：抗乳腺癌候选药物的优化建模及Python代码实现
    优质
    本项目针对2021年“华为杯”研究生数学建模竞赛D题，致力于通过优化模型筛选和设计更有效的抗乳腺癌候选药物，并用Python语言实现算法。 自己写的代码实现了研赛华为杯建模竞赛题，使用了Python编程语言，并且已经得到了运行结果。这段代码是原创的。
     
  • 乳腺癌候选药物优化建模研究
    优质
    本研究致力于通过计算机辅助设计技术优化乳腺癌治疗候选药物，旨在提高药效和降低毒性，为患者提供更有效的治疗方案。 基于1974个化合物样本的数据（每个样本包含729个分子描述符变量、一个生物活性数据以及五个ADMET性质数据），本研究旨在构建用于预测ERα拮抗剂生物活性的定量模型及用于预测其ADMET性质的分类模型。这些模型将为同时优化ERα拮抗剂的生物活性和ADMET特性提供有力支持。
     
  • 研究生数学建模“华为杯”，2021年D题（乳腺癌），运用机器学习与数据分析荣获国家一等奖，全国排名第八.zip
    优质
    在2021年的研究生数学建模竞赛中，我们团队凭借对乳腺癌数据深入分析及创新的机器学习算法斩获“华为杯”比赛国家一等奖，并在全国参赛队伍中位列第八。 研究生数学建模比赛中，华为杯数学建模2021年D题关于乳腺癌的项目获得了国家一等奖，并在全国排名第八。该项目运用了机器学习和数据分析的方法。
     
  • 2021年华为杯研究生数学建模竞赛D题解析.zip
    优质
    本资料为2021年“华为杯”研究生数学建模竞赛D题解析，包含题目背景、问题分析与解决方案等内容，适用于参赛者学习参考。 第一问使用随机森林结合相关性分析筛选出20个变量。 第二问采用决策树回归、线性回归、梯度提升向量机、随机森林回归、多层次感知机回归、XGBoost 回归以及LightGBM 模型来预测生物活性。最终结果显示，LightGBM模型的效果最佳。 第三问利用多层感知机(MLP)对化合物的ADMET性质进行预测。训练集使用90%的数据样本，测试集则采用剩余10%的数据样本。对于五种性质的平均准确率达到了90.5%。 第四问运用改进型贪心调优方法进行了优化处理。
     
  • 2024年华为杯数学建模D题资料
    优质
    “2024年华为杯数学建模竞赛D题”提供了深入探索特定应用领域内复杂问题的机会。本资料汇集了针对该题目所需的数据、模型和算法，旨在帮助参赛者系统分析与创新求解。 2024年华为杯研赛D题包含完整数据、Python代码、Matlab代码以及Word文档和优秀论文合集，内容非常全面。
     
  • 乳腺癌预测分析：乳腺癌详解
    优质
    本文章详细解析了乳腺癌的相关知识，并介绍了用于乳腺癌预测的数据分析方法和模型，帮助读者更好地了解和预防乳腺癌。 乳腺癌预测：通过对数据的分析来预测乳腺癌的发生风险。