用Tensorflow构建神经网络实现激酶抑制剂分类

用Tensorflow构建神经网络实现激酶抑制剂分类

引用

CSDN

1.

https://blog.csdn.net/m0_73502929/article/details/146568315

激酶抑制剂是一种抑制激酶活性的化合物。蛋白激酶用于调节细胞的多个功能，自2001年以来已有76种激酶抑制剂获批上市，例如伊马替尼（Imatinib）已被成功应用于癌症治疗。这里使用的数据集为包含2013个激酶抑制剂的四分类数据，每个数据包含5个特征。

采用神经网络算法对激酶抑制剂进行分类。神经网络是一种模拟人脑神经元工作原理的机器学习算法，广泛用于分类、回归和特征提取等任务。这里使用Python的sklearn库来构建和训练神经网络模型，并对模型的结果进行分析。

神经网络的实现流程一般分为4部分：数据预处理、神经网络构建、模型训练和模型使用。

1. 数据准备

• 数据收集：获取包含激酶抑制剂的化合物特征和标签的数据集。
• 数据清理：检查缺失值、异常值并进行处理。

2. 数据预处理

• 特征选择：选择合适的特征用于模型训练。
• 数据标准化：对特征进行标准化处理，常用的方法是 Min-Max Scaling 或 Z-score 标准化。
• 划分数据集：将数据划分为训练集和测试集。

3. 构建神经网络模型
   使用 TensorFlow/Keras 构建神经网络。

4. 训练模型
   训练模型并监控训练过程中的损失和准确性。

5. 评估模型
   使用测试集评估模型的性能。

6. 可视化结果
   绘制训练过程中的损失和准确性曲线。

7. 模型预测
   对新样本进行预测。

8. 保存模型
   在训练完成后，可以将模型保存以便后续使用。

from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler,LabelEncoder
import pandas as pd
import numpy as np

dataframe = pd.read_csv("kinase_selected.csv")
dataframe.head()

dataset = dataframe.values#不含属性标签的数据值列表
X = dataset[:, 1:]
scaler = StandardScaler()#定义标准化方法对象
X_scaled = scaler.fit_transform(X)#将数据传入标准化方法对象中，进行标准化处理
print('X_scaled.shape:',X_scaled.shape)
feature_names = dataframe.columns.values[1:]
features = np.array(feature_names)
print("All features:\n",features)
print("length of features", len(features))

label = pd.read_csv('label_kinase_selected.csv' )
label.head()
y = label.iloc[:, -1]
print('y.shape:',y.shape)
pd.DataFrame(label['Binding_Modes'].value_counts())

from tensorflow import keras
le = LabelEncoder()
# lable encoder
Y = le.fit_transform(y)
unique,count=np.unique(tuple(Y),return_counts=True)
print(pd.DataFrame({'unique':unique,'label':le.inverse_transform([0,1,2,3]),'count':count}))
unique = keras.utils.to_categorical(unique)
print('unique_encoder:\n',unique)  # 数字代表第x个标签
Y = keras.utils.to_categorical(Y)
print(pd.DataFrame(label['Binding_Modes'].value_counts()))  # 获得各标签的数量

X_train, X_test, Y_train, Y_test = train_test_split(
    X_scaled, Y, test_size=0.2, random_state=42, stratify=Y)
print("Feature data dimension: ", X_train.shape)
print("Num of classes: ", Y_train.shape[1])

from keras.layers import Dense, Dropout
model = keras.Sequential(name='model-1')
model.add(Dense(64, activation='relu', input_shape=(5,)))
model.add(Dropout(0.2))
model.add(Dense(64, activation='relu'))
model.add(Dropout(0.2))
model.add(Dense(4, activation='softmax'))
model.summary()

model.compile(optimizer='adam',
              loss='categorical_crossentropy',
              metrics=['accuracy']
              )

history = model.fit(X_train, Y_train,
                    batch_size=16,
                    epochs=1000
                    )

Y_test
y_predict = model.predict(X_test)
y_predict

y_predict[0]

y_predict_label = [np.argmax(i) for i in y_predict]
# y_test_label = [np.argmax(i) for i in Y_train]
y_test_label = [np.argmax(i) for i in Y_test]
print(y_predict_label)
print(y_test_label)

correct_prediction = np.equal(y_predict_label, y_test_label)
print(np.mean(correct_prediction))

print("predict_Results\n", pd.DataFrame(
    {'y_predict_label': y_predict_label})['y_predict_label'].value_counts())
print("real_Results\n", pd.DataFrame(
    {'y_test_label': y_test_label})['y_test_label'].value_counts())

import matplotlib.pyplot as plt
print(history.history.keys())
plt.plot(history.history['loss'], 'b')
plt.plot(history.history['accuracy'], 'r')
plt.title("model accuracy")
plt.ylabel("value")
plt.xlabel("epoch")
plt.legend(["loss", "accuracy"])
plt.show()
print('loss--------',history.history['loss'][-1])
print('accuracy----',history.history['accuracy'][-1])

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
plt.scatter(X_test[:, 0], X_test[:, 3],
            c=y_predict_label, marker='o')
plt.xlabel('指标1')
plt.ylabel('指标2')
plt.title('类型分布')
plt.show()