本实验选用RBF核函数，其中(C，γ)由平行网格搜索法(parallel grid search)筛选，采用逐一交互验证的方法确定C和γ，取均方根偏差(RMS)最小时的C和γ，该方法可以在防止训练集过拟合的情况下找到构建模型的最优参数。

    1.3 模型验证

    1.3.1 内部验证 构建好的模型用于预测测试集化合物，并对模型进行评价。模型的性能通过3个指标进行评价，分别是准确率(ACC，公式2)，灵敏度(SE，公式3)和特异性(SP，公式4)，其中TN，TP，FN，FP分别代表真阴性、真阳性、假阴性、假阳性。

    ACC=(TP+TN)/(TP+FN+TN+FP)(2)

    SE=TP/(TP+FN)(3)

    SP=TN/(TN+FP)(4)

    1.3.2 评价据文献报道确有神经毒性的中药成分 通过查阅文献[1-4，18-19]确定30个有神经毒性的中药成分作为外部验证集，见表1，来进一步评价模型的性能。

    2 结果与讨论

    2.1 分子描述符计算结果

    PowerMV软件计算训练集化合物的分子描述符共计6 122个 ...... 濡傛灉鎮ㄥ湪浣跨敤鎵嬫満绛夋祦瑙堟椂鏃犳硶鏌ョ湅鎴栦笅杞藉叏鏂囷紝鍙兘鏄鎼滅储寮曟搸澶辩湡鈥滆浆鐮佲€濓紝璇风偣鍑诲睆骞曟渶涓嬫柟鐨勨€滅數鑴戠増鈥濇垨鈥滃師缃戦〉鈥濊闂€�


闄愪簬鏈嶅姟鍣ㄥ帇鍔涳紝缃戠珯閮ㄥ垎淇℃伅鍙緵鐖卞績浼氬憳鎴栨湁涓€瀹氱Н鍒嗙殑娉ㄥ唽浼氬憳娴佽銆�
姝�淇℃伅闇€瑕� 1 绉垎锛堝厤璐规敞鍐岀櫥褰曞悗姣忓ぉ鍙互棰嗗彇10涓Н鍒�锛夈€�
    淇℃伅浠呬緵鍙傝€冿紝涓嶆瀯鎴愪换浣曚箣寤鸿銆佹帹鑽愭垨鎸囧紩銆傛枃绔犵増鏉冨睘浜庡師钁椾綔鏉冧汉锛岃嫢鎮ㄨ涓烘鏂囦笉瀹滆鏀跺綍渚涘ぇ瀹跺厤璐归槄璇伙紝璇烽偖浠舵垨鐢佃瘽閫氱煡鎴戜滑锛屾垜浠敹鍒伴€氱煡鍚庯紝浼氱珛鍗冲皢鎮ㄧ殑浣滃搧浠庢湰缃戠珯鍒犻櫎銆�

寰俊鏂囩珷  鍏虫敞鐧炬媷  璇勮鍑犲彞  鎼滅储鏇村