Three schemes of interclass prediction of the activity of a number of bipharmacophoric butyrylcholinesterase inhibitors were studied using QSAR modeling. Using machine learning methods (multiple linear regression, random forest, support vector machine and Gaussian process), QSAR models with satisfactory statistical characteristics were constructed. Based on them, rational and random interclass prediction schemes were studied. It was found that these schemes complement each other and their relative efficiency was assessed.
В работе исследованы три схемы межклассового прогноза активности ряда бифармакофорных ингибиторов бутирилхолинэстеразы с использованием QSAR моделирования. С помощью методов машинного обучения (множественная линейная регрессия, случайный лес, машина опорных векторов и гауссовский процесс) сконструированы QSAR модели с удовлетворительными статистическими характеристиками. На их основе изучены схемы рационального и случайного межклассового прогноза активности. Установлено, что эти схемы взаимно дополняют друг друга и оценена их относительная эффективность.