黄 甜，魏静雯

（南京财经大学 应用数学学院，江苏 南京 210000）

目前，人们还没有完全找出导致乳腺癌的原因，但认为怀孕、生育和哺乳等都是致癌因素。研究结果表明，雌激素受体α亚 型（ERα）参与细胞以及癌细胞的增殖［1］，是乳腺癌内分泌治疗的重要靶点。针对ERα，通过筛选找出抑制肿瘤生长的药物成分，对于抗癌药物的研制具有重要意义。

随着计算机技术的发展和计算机应用的普及，许多学者通过机器学习对医学数据进行了数值分析，以挖掘数据背后隐藏的信息。

20世纪90年代中期，V.N.VAPNIK等［2］提出的有限样本的机器学习理论逐渐成熟起来，形成了比较完善的统计学习理论，弥补了传统统计学的不足。随着统计学习理论的发展，人们能从本质上研究机器学习理论，而不需要从生物仿生学的角度构建学习机器。支持向量机是以统计学习理论为基础发展起来的一种机器学习方法，主要用于解决二分类问题。与此同时，支持向量回归（support vector regression,SVR）算法在支持向量机的基础上发展起来，并用于解决函数拟合问题。S.M.CLARKE等［3］研究了支持向量回归算法，并将其作为逼近复杂工程的替代技术。张馨予等［4］利用遗传算法对支持向量回归模型的初始参数进行了优化，并利用优化后的模型预测了中国老龄化人口问题。

近年来，支持向量回归算法在生物医学、函数逼近和模式识别等方面已得到了广泛的应用。在此基础上，我们采用条件互信息最大化（conditional mutual information maximization,CMIM）准则分析了药物分子描述符的特征信息，利用筛选的特征信息建立了支持向量回归算法，预测了合成的新抗乳腺癌药物的生物活性，并对预测结果进行拟合和分析，验证了预测结果的正确性。……