欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營(yíng)的一線實(shí)戰(zhàn)洞察。

藥物活性預(yù)測(cè)與ADMET性質(zhì)建模:從分子描述符到機(jī)器學(xué)習(xí)實(shí)戰(zhàn)

藥物活性預(yù)測(cè)與ADMET性質(zhì)建模:從分子描述符到機(jī)器學(xué)習(xí)實(shí)戰(zhàn) 做藥物活性預(yù)測(cè)這個(gè)項(xiàng)目起因其實(shí)挺樸素。計(jì)算化學(xué)和機(jī)器學(xué)習(xí)結(jié)合已經(jīng)不是新鮮事了但很多剛?cè)肟拥呐笥涯玫降慕坛桃粗恢v算法原理要么只給代碼跑一遍就結(jié)束很難直接遷移到自己的分子數(shù)據(jù)集上。這次我把ERα拮抗劑活性預(yù)測(cè)和ADMET性質(zhì)預(yù)測(cè)整套流程完整走了一遍用到了Python生態(tài)里最經(jīng)典的那幾個(gè)模型——神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林、SVM、KNN還有回歸家族中間加了PCA做特征壓縮把踩過(guò)的坑和關(guān)鍵參數(shù)調(diào)整都記錄下來(lái)希望對(duì)正在做類似QSAR或者藥物篩選的朋友有實(shí)際幫助。這個(gè)項(xiàng)目的價(jià)值在于兩點(diǎn)一是ERα是乳腺癌藥物研發(fā)里非常重要的靶點(diǎn)能在化合物合成前用模型快速評(píng)估拮抗活性能省下大量濕實(shí)驗(yàn)成本二是ADMET性質(zhì)預(yù)測(cè)解決的是“活性有了但成藥性差”的痛點(diǎn)把吸收、分布、代謝、排泄和毒性風(fēng)險(xiǎn)在早期就暴露出來(lái)。整套流程跑通后對(duì)一個(gè)新化合物從活性到成藥性的初步評(píng)估幾分鐘內(nèi)就能出結(jié)果。1. 項(xiàng)目整體思路與方案選型1.1 核心需求拆解ERα拮抗劑預(yù)測(cè)本質(zhì)上是一個(gè)分子性質(zhì)回歸問(wèn)題。我們把分子結(jié)構(gòu)轉(zhuǎn)化成計(jì)算機(jī)能理解的特征向量然后讓模型學(xué)習(xí)“結(jié)構(gòu)特征→拮抗活性”之間的映射關(guān)系。常用的活性指標(biāo)是IC50值但I(xiàn)C50是微摩爾級(jí)別數(shù)值跨度過(guò)大直接回歸效果不好所以業(yè)界普遍先做負(fù)對(duì)數(shù)轉(zhuǎn)換轉(zhuǎn)換成pIC50這樣數(shù)值范圍基本落在4到10之間更符合回歸模型對(duì)目標(biāo)變量分布的要求。ADMET預(yù)測(cè)則是另一套邏輯。它不是一個(gè)單一任務(wù)而是多個(gè)二分類或回歸子任務(wù)的集合。比如血腦屏障穿透能力可以做成“能穿透/不能穿透”的二分類水溶性可以做成回歸預(yù)測(cè)LogS值。項(xiàng)目標(biāo)題里把這些任務(wù)放在一起表面上看起來(lái)復(fù)雜實(shí)際上核心挑戰(zhàn)是一致的如何用有限的數(shù)據(jù)訓(xùn)練出泛化能力強(qiáng)的模型以及如何處理高維稀疏的分子特征。1.2 為什么選這五種算法先說(shuō)說(shuō)模型選型的思路。如果你去過(guò)Kaggle或者看過(guò)多篇QSAR論文會(huì)發(fā)現(xiàn)這幾個(gè)算法出場(chǎng)率極高不是沒(méi)有原因的。隨機(jī)森林是集成學(xué)習(xí)的代表通過(guò)構(gòu)建多棵決策樹(shù)并投票或者取平均天然抗過(guò)擬合對(duì)異常值不敏感而且自帶特征重要性評(píng)估。在分子描述符這種噪聲較多的數(shù)據(jù)上隨機(jī)森林往往比單棵決策樹(shù)穩(wěn)定得多。SVM在小樣本高維場(chǎng)景下表現(xiàn)一直很穩(wěn)尤其配合RBF核函數(shù)能把非線性關(guān)系映射到高維空間去擬合。藥物篩選數(shù)據(jù)通常樣本量不大幾百到幾千個(gè)化合物SVM正好發(fā)揮優(yōu)勢(shì)。KNN的思路最簡(jiǎn)單相似的結(jié)構(gòu)往往有相似的活性這個(gè)假設(shè)在化學(xué)空間里很多時(shí)候是成立的。但從實(shí)操角度看KNN對(duì)特征縮放非常敏感分子描述符量綱差異很大不標(biāo)準(zhǔn)化基本沒(méi)法用這也正好引出PCA。神經(jīng)網(wǎng)絡(luò)我們用的是MLP多層感知機(jī)。在小規(guī)模表格數(shù)據(jù)上只要數(shù)據(jù)量不太小、特征質(zhì)量高M(jìn)LP能擬合非常復(fù)雜的非線性關(guān)系。但它有個(gè)明顯缺點(diǎn)——可解釋性差參數(shù)也多調(diào)參成本高?;貧w模型這里主要指線性回歸和嶺回歸作為基線模型非常重要。先用簡(jiǎn)單的線性模型跑一遍得到一個(gè)性能下限再去對(duì)比復(fù)雜模型有沒(méi)有真的帶來(lái)提升。如果隨機(jī)森林和神經(jīng)網(wǎng)絡(luò)比嶺回歸沒(méi)高幾個(gè)點(diǎn)那就要反思特征工程或者數(shù)據(jù)質(zhì)量的問(wèn)題而不是繼續(xù)往上堆模型復(fù)雜度。1.3 數(shù)據(jù)來(lái)源與格式設(shè)計(jì)數(shù)據(jù)方面ERα拮抗劑活性數(shù)據(jù)可以從ChEMBL數(shù)據(jù)庫(kù)下載篩選標(biāo)準(zhǔn)是human ERα、IC50類型數(shù)據(jù)刪掉重復(fù)項(xiàng)和異常值。ADMET數(shù)據(jù)可以從Tox21、AMES、以及一些公開(kāi)的ADMET benchmark數(shù)據(jù)集獲取。格式上我用的是SDF文件加CSV標(biāo)簽文件的結(jié)構(gòu)。SDF存分子結(jié)構(gòu)CSV存pIC50或者ADMET標(biāo)簽兩邊的ID一一對(duì)應(yīng)。這樣設(shè)計(jì)的好處是換數(shù)據(jù)集時(shí)不用改代碼邏輯只要保證ID匹配就行。有一個(gè)特別容易忽略的點(diǎn)數(shù)據(jù)集劃分必須按分子骨架或者相似性來(lái)分而不是隨機(jī)分。藥物活性數(shù)據(jù)里經(jīng)常有大量結(jié)構(gòu)類似的類似物隨機(jī)劃分會(huì)導(dǎo)致訓(xùn)練集和測(cè)試集高度重疊模型性能虛高。我在實(shí)操中用了基于Bemis-Murcko骨架的ScaffoldSplit效果比隨機(jī)劃分要嚴(yán)謹(jǐn)?shù)枚?。初學(xué)者容易忽略這個(gè)問(wèn)題但發(fā)論文或者實(shí)際項(xiàng)目評(píng)估時(shí)這個(gè)細(xì)節(jié)很關(guān)鍵。2. 特征工程與PCA降維實(shí)戰(zhàn)2.1 分子描述符的計(jì)算與處理分子描述符是把化學(xué)結(jié)構(gòu)轉(zhuǎn)化成數(shù)值特征的核心手段。我這里用RDKit庫(kù)計(jì)算了大約200個(gè)2D描述符包括分子量、LogP、氫鍵供體受體數(shù)量、拓?fù)錁O性表面積、可旋轉(zhuǎn)鍵數(shù)、芳香環(huán)數(shù)等。為什么不用3D描述符因?yàn)?D描述符依賴分子構(gòu)象計(jì)算成本高而且構(gòu)象生成的不確定性會(huì)影響模型復(fù)現(xiàn)性。很多QSAR模型只用2D描述符就能達(dá)到很好的效果省時(shí)省力。拿到原始描述符后第一步是清洗。RDKit計(jì)算過(guò)程中部分分子可能返回NaN比如某些描述符對(duì)特定原子類型不支持。處理策略很簡(jiǎn)單刪除缺失值占比超過(guò)5%的特征列剩余缺失值用中位數(shù)填充。這里不推薦用均值填充因?yàn)槊枋龇植纪瞧珣B(tài)的均值容易被極端值帶偏中位數(shù)更穩(wěn)健。第二步是去低方差特征。那些幾乎所有分子取值都一樣的描述符對(duì)模型區(qū)分沒(méi)有貢獻(xiàn)直接刪掉??梢杂梅讲铋撝捣ūA舴讲畲笥?.01的特征。第三步才是標(biāo)準(zhǔn)化。注意PCA和SVM、KNN這些基于距離的算法都要求特征在同一量綱下否則量級(jí)大的特征會(huì)主導(dǎo)距離計(jì)算。標(biāo)準(zhǔn)化用StandardScaler就行減去均值除以標(biāo)準(zhǔn)差。2.2 PCA降維的合理參數(shù)設(shè)置主成分分析本身不復(fù)雜就是把高維相關(guān)特征通過(guò)正交變換變成一組線性無(wú)關(guān)的主成分。但在分子描述符這個(gè)場(chǎng)景里PCA有兩個(gè)實(shí)際價(jià)值一是消除共線性分子描述符之間相關(guān)性普遍很高比如分子量和分子體積基本是正相關(guān)的二是壓縮維度200多個(gè)描述符降到50個(gè)主成分能保留95%以上方差同時(shí)讓SVM和KNN的距離計(jì)算更穩(wěn)定。我需要特別強(qiáng)調(diào)一點(diǎn)PCA必須放在特征縮放之后而且只能基于訓(xùn)練集擬合然后用訓(xùn)練集的變換參數(shù)去轉(zhuǎn)換測(cè)試集。這是數(shù)據(jù)泄漏問(wèn)題里最常見(jiàn)的一條見(jiàn)過(guò)太多人先對(duì)全量數(shù)據(jù)做PCA再來(lái)劃分訓(xùn)練測(cè)試集結(jié)果測(cè)試集信息提前進(jìn)入了訓(xùn)練過(guò)程模型評(píng)估結(jié)果虛高得離譜。正確做法是放進(jìn)sklearn的Pipeline里統(tǒng)一管理。主成分?jǐn)?shù)量的選擇我建議用累計(jì)方差貢獻(xiàn)率來(lái)定。一般保留90%到95%的累計(jì)方差即可。比如這套數(shù)據(jù)里前48個(gè)主成分解釋了95.2%的方差那我直接用48維特征訓(xùn)練模型。不要盲目保留太多主成分后面那些主成分解釋方差極低基本是噪聲加進(jìn)去反而干擾模型。2.3 特征重要性與PCA的對(duì)比觀察做完P(guān)CA之后我還做了一個(gè)對(duì)照實(shí)驗(yàn)一組直接用原始200維描述符訓(xùn)練另一組用PCA降維后訓(xùn)練。結(jié)果挺有意思。隨機(jī)森林對(duì)降維不敏感甚至原始特征表現(xiàn)略好一點(diǎn)因?yàn)殡S機(jī)森林的特征子集選擇機(jī)制本身就能處理高維冗余特征。但SVM和KNN在降維后性能明顯提升尤其是在KNN上訓(xùn)練和推理時(shí)間也大幅下降。這說(shuō)明PCA不是萬(wàn)能的它的價(jià)值跟模型選擇強(qiáng)相關(guān)。樹(shù)模型不需要它距離模型很需要它。如果你想節(jié)省調(diào)參時(shí)間直接做一版降維后的數(shù)據(jù)跑全部模型至少能保證距離類模型不會(huì)因?yàn)榫S度災(zāi)難而崩掉。3. 五種模型核心原理與關(guān)鍵參數(shù)3.1 隨機(jī)森林在活性預(yù)測(cè)中的表現(xiàn)隨機(jī)森林的實(shí)現(xiàn)細(xì)節(jié)值得展開(kāi)講。每棵樹(shù)在訓(xùn)練時(shí)用Bootstrap抽樣隨機(jī)取一部分樣本每個(gè)節(jié)點(diǎn)分裂時(shí)隨機(jī)選一部分特征尋找最優(yōu)分裂。這個(gè)“雙隨機(jī)”機(jī)制讓每棵樹(shù)都有差異最后取平均時(shí)方差大幅降低。實(shí)際操作里我重點(diǎn)調(diào)的是n_estimators和max_features。n_estimators從100開(kāi)始增加觀察交叉驗(yàn)證分?jǐn)?shù)到300之后基本平臺(tái)期再增加只是浪費(fèi)計(jì)算時(shí)間。max_features默認(rèn)是sqrt(n_features)在降維后的48維特征上大概取7這個(gè)值我試過(guò)調(diào)大調(diào)小效果都略差于默認(rèn)。樣本不均衡問(wèn)題在ADMET分類任務(wù)里很突出比如毒性陽(yáng)性樣本可能只占10%。隨機(jī)森林的class_weight參數(shù)設(shè)成balanced能自動(dòng)調(diào)整權(quán)重讓少數(shù)類被更重視。這個(gè)參數(shù)在ERα回歸任務(wù)里用不上但ADMET分類必須要加。3.2 SVM的核函數(shù)選擇與小樣本優(yōu)勢(shì)SVM在這個(gè)項(xiàng)目里的定位是“精度擔(dān)當(dāng)”。藥物數(shù)據(jù)樣本量不大幾百個(gè)樣本在高維空間里線性不可分很常見(jiàn)RBF核函數(shù)能通過(guò)高斯映射把樣本投影到無(wú)窮維空間理論上可以處理任意復(fù)雜的決策邊界。但RBF核有兩個(gè)關(guān)鍵超參數(shù)C和gamma。C控制誤分類懲罰力度太大容易過(guò)擬合太小欠擬合。gamma控制徑向基函數(shù)的寬度gamma越大每個(gè)樣本的影響范圍越小決策邊界越復(fù)雜。我用了GridSearchCV網(wǎng)格搜索C在0.1到100范圍gamma在0.001到1范圍用5折交叉驗(yàn)證選組。一個(gè)小技巧SVM對(duì)數(shù)據(jù)尺度極敏感Pipeline里先StandardScaler再SVC這一步不做的話RBF核直接失效。另外SVM訓(xùn)練完成后沒(méi)有天然的概率輸出如果要概率值需要設(shè)置probabilityTrue但訓(xùn)練時(shí)間會(huì)變長(zhǎng)這個(gè)代價(jià)在幾百樣本的規(guī)模下完全能接受。3.3 KNN的距離度量與標(biāo)準(zhǔn)化必要性KNN在藥物篩選里的作用經(jīng)常被低估。它雖然簡(jiǎn)單但在某些局部化學(xué)空間里預(yù)測(cè)效果出奇地好。核心假設(shè)是化學(xué)相似性原理——結(jié)構(gòu)相似的化合物活性也相似。實(shí)際操作中K值的選擇比較關(guān)鍵。K太小模型過(guò)度依賴最近鄰噪聲影響大K太大會(huì)把距離很遠(yuǎn)的樣本也納入投票整體趨于平均。我用交叉驗(yàn)證從K3到K15逐個(gè)測(cè)試發(fā)現(xiàn)K7在這個(gè)數(shù)據(jù)集上是折中點(diǎn)。距離度量選的是歐氏距離配合標(biāo)準(zhǔn)化后的特征。為什么不用曼哈頓距離或者余弦相似度因?yàn)闃?biāo)準(zhǔn)化后歐氏距離能較好地反映高維空間中的真實(shí)差異曼哈頓距離在高維下區(qū)分度會(huì)變差。weights參數(shù)我設(shè)成了distance即距離近的樣本權(quán)重更大這樣比均勻權(quán)重略好。3.4 回歸模型家族與基線設(shè)定回歸部分我選了三種線性回歸、嶺回歸、Lasso回歸。線性回歸是最樸素的基線嶺回歸加了L2正則化Lasso加了L1正則化后者還能做特征選擇。嶺回歸的alpha參數(shù)控制正則化強(qiáng)度。alpha越大模型系數(shù)越被壓縮向零方差減小但偏差增大。通過(guò)交叉驗(yàn)證這個(gè)數(shù)據(jù)集上alpha1.0周圍表現(xiàn)不錯(cuò)。Lasso的alpha適當(dāng)調(diào)大后很多特征的系數(shù)直接變成零相當(dāng)于自動(dòng)做了特征篩選解釋性更強(qiáng)。這里必須強(qiáng)調(diào)基線模型的價(jià)值。我用嶺回歸跑出來(lái)的R2大概在0.61隨機(jī)森林能到0.78SVM到0.75這說(shuō)明復(fù)雜的非線性模型確實(shí)學(xué)到了更多結(jié)構(gòu)活性關(guān)系。如果是那種所有復(fù)雜模型跟線性回歸持平的項(xiàng)目大概率是特征工程有問(wèn)題或者數(shù)據(jù)本身線性關(guān)系已經(jīng)很強(qiáng)沒(méi)必要費(fèi)勁上深度學(xué)習(xí)。3.5 神經(jīng)網(wǎng)絡(luò)MLP的架構(gòu)設(shè)計(jì)與防過(guò)擬合MLP的架構(gòu)我設(shè)計(jì)得比較克制輸入層48維PCA降維后一個(gè)隱藏層128個(gè)神經(jīng)元激活函數(shù)ReLU輸出層1個(gè)神經(jīng)元預(yù)測(cè)pIC50。為什么只有一個(gè)隱藏層因?yàn)樵谛颖緮?shù)據(jù)上網(wǎng)絡(luò)太深很容易過(guò)擬合一層隱藏層加足夠的神經(jīng)元已經(jīng)能逼近任意連續(xù)函數(shù)。訓(xùn)練時(shí)batch_size設(shè)為32優(yōu)化器Adam學(xué)習(xí)率0.001loss用MSE。關(guān)鍵步驟是EarlyStopping——監(jiān)控驗(yàn)證集loss連續(xù)20個(gè)epoch沒(méi)有改善就停下并且恢復(fù)最佳權(quán)重。這套機(jī)制比固定epoch數(shù)訓(xùn)練好用得多能自動(dòng)找到合適的訓(xùn)練輪數(shù)。MLP在表格數(shù)據(jù)上還有個(gè)隱藏問(wèn)題特征尺度不一致時(shí)收斂很慢。雖然PCA前的標(biāo)準(zhǔn)化已經(jīng)處理過(guò)但最好確認(rèn)一下PCA后各主成分的值域。另外神經(jīng)元數(shù)量也不是越多越好我試過(guò)256個(gè)神經(jīng)元驗(yàn)證集分?jǐn)?shù)反而略降這就是過(guò)擬合的信號(hào)。4. 實(shí)操過(guò)程與核心代碼實(shí)現(xiàn)4.1 數(shù)據(jù)加載與劃分策略整個(gè)項(xiàng)目的代碼基于Python 3.9和scikit-learn 1.2版本。數(shù)據(jù)加載、特征計(jì)算、模型訓(xùn)練和評(píng)估的完整代碼我整理好了這里按關(guān)鍵環(huán)節(jié)拆解說(shuō)明。數(shù)據(jù)加載用的是pandas讀取CSV分子描述符計(jì)算用RDKit。下面是核心代碼片段import pandas as pd import numpy as np from rdkit import Chem from rdkit.Chem import Descriptors from rdkit.Chem import Draw df pd.read_csv(er_activity.csv) molecules [Chem.MolFromSmiles(smi) for smi in df[SMILES]] desc_names [desc[0] for desc in Descriptors._descList] desc_funcs [desc[1] for desc in Descriptors._descList] desc_data [] valid_idx [] for i, mol in enumerate(molecules): if mol is None: continue try: desc_values [func(mol) for func in desc_funcs] desc_data.append(desc_values) valid_idx.append(i) except: continue df_desc pd.DataFrame(desc_data, columnsdesc_names) df_desc[pIC50] df.iloc[valid_idx][pIC50].values這里有個(gè)坑RDKit的計(jì)算有些函數(shù)會(huì)對(duì)特定分子拋異常比如含金屬原子的配體。所以必須用try-except包裹把計(jì)算失敗的分子剔除掉否則整個(gè)流程會(huì)中斷。數(shù)據(jù)劃分用ScaffoldSplit按骨架劃分保證訓(xùn)練集和測(cè)試集的結(jié)構(gòu)差異性from sklearn.model_selection import train_test_split from rdkit.Chem.Scaffolds import MurckoScaffold scaffolds [] for smi in df_desc[SMILES]: mol Chem.MolFromSmiles(smi) scaffold MurckoScaffold.MurckoScaffoldSmiles(molmol) scaffolds.append(scaffold) from sklearn.model_selection import GroupShuffleSplit gss GroupShuffleSplit(n_splits1, test_size0.2, random_state42) train_idx, test_idx next(gss.split(df_desc, groupsscaffolds)) train_df df_desc.iloc[train_idx] test_df df_desc.iloc[test_idx]ScaffoldSplit做的是按骨架分組后分組切分確保同一骨架的分子不會(huì)同時(shí)出現(xiàn)在訓(xùn)練集和測(cè)試集里。這在評(píng)估模型對(duì)新化學(xué)骨架的泛化能力時(shí)比隨機(jī)劃分靠譜得多。4.2 PCA與Pipeline的整合特征縮放和PCA放進(jìn)Pipeline里管理這一步的核心邏輯是確保交叉驗(yàn)證時(shí)每個(gè)fold都獨(dú)立做縮放和降維絕不使用測(cè)試集信息。from sklearn.pipeline import Pipeline from sklearn.preprocessing import StandardScaler from sklearn.decomposition import PCA from sklearn.ensemble import RandomForestRegressor from sklearn.svm import SVR from sklearn.neighbors import KNeighborsRegressor from sklearn.linear_model import Ridge from sklearn.neural_network import MLPRegressor from sklearn.metrics import r2_score, mean_absolute_error pipeline_svm Pipeline([ (scaler, StandardScaler()), (pca, PCA(n_components0.95)), (svm, SVR(kernelrbf, C10, gamma0.01, probabilityTrue)) ])n_components0.95這種寫法是讓PCA自動(dòng)保留95%的累計(jì)方差比寫死一個(gè)整數(shù)更靈活。如果數(shù)據(jù)集換了一批分子描述符的方差分布會(huì)變固定寫48反而可能不合適。4.3 模型訓(xùn)練與交叉驗(yàn)證評(píng)估訓(xùn)練和評(píng)估我統(tǒng)一了流程每個(gè)模型跑5折交叉驗(yàn)證用R2和MAE做評(píng)估指標(biāo)。在回歸任務(wù)里R2衡量模型解釋的方差比例MAE則給出預(yù)測(cè)值跟真實(shí)值之間的平均絕對(duì)誤差兩者結(jié)合看比較全面。from sklearn.model_selection import cross_validate scoring {r2: r2, neg_mae: neg_mean_absolute_error} results {} models { Ridge: pipeline_ridge, RandomForest: pipeline_rf, SVM: pipeline_svm, KNN: pipeline_knn, MLP: pipeline_mlp } for name, model in models.items(): cv_results cross_validate(model, train_df.drop([SMILES, pIC50], axis1), train_df[pIC50], cv5, scoringscoring) results[name] { R2_mean: cv_results[test_r2].mean(), R2_std: cv_results[test_r2].std(), MAE_mean: -cv_results[test_neg_mae].mean() }交叉驗(yàn)證的5個(gè)fold里每個(gè)fold的R2可能相差挺大這在小樣本數(shù)據(jù)里太正常了。所以看結(jié)果時(shí)不能只看均值還得看標(biāo)準(zhǔn)差。如果標(biāo)準(zhǔn)差特別大說(shuō)明模型對(duì)數(shù)據(jù)劃分很敏感需要檢查是否存在某些骨架的分子特別難預(yù)測(cè)。最后在獨(dú)立測(cè)試集上做一次最終評(píng)估。測(cè)試集不參與任何訓(xùn)練和調(diào)參這一步得到的R2才是真正能對(duì)外匯報(bào)的泛化性能。final_scores {} for name, model in models.items(): model.fit(train_df.drop([SMILES, pIC50], axis1), train_df[pIC50]) pred model.predict(test_df.drop([SMILES, pIC50], axis1)) final_scores[name] { R2: r2_score(test_df[pIC50], pred), MAE: mean_absolute_error(test_df[pIC50], pred) }4.4 ADMET多任務(wù)預(yù)測(cè)的特殊處理ADMET預(yù)測(cè)跟ERα回歸不太一樣的地方在于它通常是分類任務(wù)。以血腦屏障穿透預(yù)測(cè)為例標(biāo)簽只有0和1。此時(shí)評(píng)估指標(biāo)從R2換成AUC和準(zhǔn)確率。分類模型的訓(xùn)練代碼跟回歸高度相似只是把SVR換成SVCMLPRegressor換成MLPClassifier評(píng)估函數(shù)換成roc_auc_score。有一個(gè)小細(xì)節(jié)ADMET數(shù)據(jù)通常正負(fù)樣本不均衡單純用準(zhǔn)確率容易騙人——比如90%的樣本是負(fù)類模型全部預(yù)測(cè)為負(fù)類也能拿到90%準(zhǔn)確率。所以必須用AUC作為主指標(biāo)。對(duì)于多個(gè)ADMET端點(diǎn)我建議分別訓(xùn)練模型而不是合并成一個(gè)多標(biāo)簽?zāi)P?。因?yàn)椴煌它c(diǎn)的最優(yōu)特征和模型可能不同合并后反而互相干擾。實(shí)際操作時(shí)寫一個(gè)循環(huán)每個(gè)端點(diǎn)單獨(dú)訓(xùn)練和評(píng)估最后匯總成一張性能表。5. 常見(jiàn)問(wèn)題與排查技巧實(shí)錄5.1 描述符計(jì)算報(bào)錯(cuò)與缺失值處理跑RDKit描述符時(shí)最容易遇到的是部分分子返回NaN。這可能是分子包含特殊原子類型或者某個(gè)描述符定義里出現(xiàn)了除以零的情況。處理邏輯分兩步先刪列再填行。具體來(lái)說(shuō)如果某列缺失值占比超過(guò)5%整列刪除因?yàn)槿笔嗾f(shuō)明這個(gè)描述符對(duì)很多分子不適用保留反而引入噪聲。剩余列的缺失值用中位數(shù)填充注意填充必須只基于訓(xùn)練集統(tǒng)計(jì)量再應(yīng)用到測(cè)試集否則又是數(shù)據(jù)泄漏。還有一類問(wèn)題是SMILES格式本身不合法。RDKit的MolFromSmiles解析不出來(lái)會(huì)返回None這種情況直接剔掉該分子。如果剔除的比例超過(guò)10%那要回頭檢查SMILES的來(lái)源是否可靠。5.2 數(shù)據(jù)泄漏的典型場(chǎng)景與規(guī)避數(shù)據(jù)泄漏是分子建模里最常見(jiàn)又最難察覺(jué)的問(wèn)題。我總結(jié)出三個(gè)高發(fā)場(chǎng)景。第一個(gè)是特征縮放發(fā)生在劃分之前相當(dāng)于用全量數(shù)據(jù)的均值和標(biāo)準(zhǔn)差來(lái)縮放訓(xùn)練集測(cè)試集的信息其實(shí)參與了縮放過(guò)程。解決方法是把縮放器放進(jìn)Pipeline里。第二個(gè)是PCA擬合在全量數(shù)據(jù)上。PCA的本質(zhì)是尋找方差最大的方向全量數(shù)據(jù)算出來(lái)的主成分方向已經(jīng)包含了測(cè)試集的信息。這個(gè)問(wèn)題的嚴(yán)重性比特征縮放更大因?yàn)镻CA是線性變換測(cè)試集的投影方向被訓(xùn)練過(guò)程偷看了。第三個(gè)是相同分子出現(xiàn)在訓(xùn)練集和測(cè)試集里。很多公開(kāi)數(shù)據(jù)集本身可能含有重復(fù)結(jié)構(gòu)不洗掉直接用隨機(jī)劃分同一分子的不同條目會(huì)同時(shí)出現(xiàn)在兩邊模型等于記住答案。解決方法是先做去重再用骨架劃分。5.3 過(guò)擬合信號(hào)與應(yīng)對(duì)策略小樣本建模里過(guò)擬合是頭號(hào)敵人。典型信號(hào)是訓(xùn)練集R2接近1而測(cè)試集R2掉到0.5以下中間gap越大越危險(xiǎn)。應(yīng)對(duì)策略按優(yōu)先級(jí)排序先加正則化參數(shù)嶺回歸的alpha、SVM的C值調(diào)低、神經(jīng)網(wǎng)絡(luò)的早停和Dropout再做特征篩選或PCA降維減少冗余輸入最后考慮數(shù)據(jù)增強(qiáng)對(duì)分子結(jié)構(gòu)做微小的合理擾動(dòng)比如添加或刪除一個(gè)甲基。還有一種情況是數(shù)據(jù)量太少模型本身沒(méi)有任何辦法泛化。這種情況建議降低模型復(fù)雜度直接用線性模型或者KNN而不是執(zhí)著于隨機(jī)森林和神經(jīng)網(wǎng)絡(luò)。5.4 模型性能瓶頸的判斷思路當(dāng)所有模型的性能都上不去時(shí)大多數(shù)人第一反應(yīng)是換更復(fù)雜的模型但我覺(jué)得應(yīng)該先檢查數(shù)據(jù)和標(biāo)簽。檢查標(biāo)簽分布。如果pIC50值集中在很窄的區(qū)間里比如6到7之間那么不管什么模型都很難得到高R2。因?yàn)槟繕?biāo)的方差本身就小模型提高R2的空間有限。這時(shí)候與其換模型不如檢查生物活性數(shù)據(jù)的質(zhì)量或者擴(kuò)大數(shù)據(jù)范圍涵蓋更多活性梯度。檢查特征信息量。如果只用2D描述符等于丟棄了立體化學(xué)信息。對(duì)某些靶點(diǎn)手性對(duì)活性影響巨大這時(shí)候考慮加入手性描述符或者3D描述符可能更有效。檢查相似性假設(shè)是否成立。如果同一個(gè)靶點(diǎn)的活性數(shù)據(jù)來(lái)自多種不同實(shí)驗(yàn)體系比如不同實(shí)驗(yàn)室的測(cè)定條件差異數(shù)據(jù)的噪聲會(huì)非常大單靠模型無(wú)法消化。這種情況需要做數(shù)據(jù)清洗或者加一個(gè)實(shí)驗(yàn)來(lái)源作為輔助分類特征?;仡^看看這套流程我對(duì)“先有數(shù)據(jù)質(zhì)量后有模型性能”這句話的體會(huì)又深了一層。模型選型固然重要但在藥物數(shù)據(jù)這種小樣本高噪聲的場(chǎng)景里特征工程的嚴(yán)謹(jǐn)程度和數(shù)據(jù)劃分的合理性往往比模型復(fù)雜度的提升帶來(lái)更多收益。PCA和標(biāo)準(zhǔn)化放在Pipeline里管理骨架劃分避免信息泄漏早期用嶺回歸建立基線這幾步看著不起眼但決定了整個(gè)項(xiàng)目的可信度。如果有人上手做類似任務(wù)我建議先跑通這條經(jīng)典路徑拿到靠譜的基線再去嘗試圖神經(jīng)網(wǎng)絡(luò)或者注意力機(jī)制否則很容易被數(shù)據(jù)里的假象帶偏。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
五月婷婷六月激情在线| 婷婷五日b| 五月天啪啪啪| 五月丁香六月婷婷网| 丁香九月综合激情| 婷婷五月综合免费在线| 婷婷久草| 午夜成人天堂久久无码日韩久久| 欧美综合五月丁香五月天| 丁香五月婷婷久久久| 色婷婷av在线观看| 色爱综合网| 5月婷婷综合| 五月丁香六月停停停| WWW.99热| 在线另类视频| 五月婷婷激情中文字幕| 丁香五月天视频在线播放| 五月丁香色色| 超碰在线9| 国产91资源在线| 色五月色图| ss99热| 六月婷婷综合激情| 涩玖玖免费视频| 99热成人| 婷婷久久综合久| 色婷婷成人| 精品久热| 97碰在线视频| 麻豆精品| 亚洲在线成人| 日韩AV中文字幕在线| 六月综合婷婷开心伊人| 91九色首页| 999影院成人在线影院| 激情五月开心五月在线视频| 九月色婷婷| 射久久丁香五月| 91蝌蚪窝视频在线| 韩日另类| 天天久久婷婷| 色情五月天导航| 中文字幕无码人妻少妇免费视频| 欧美成人精品A片免费一区99| 丁香五月六月婷婷综合| 色九月婷婷丁香| 午夜丁香五月天综合| 婷婷五月天激情偷拍| 色婷婷XXXXX| 激情 婷婷| 加勒比久热| 久久大香蕉丁香| 性爱久久| 国产肥白大熟妇BBBB视频| 狠狠色综合网| 婷婷五月天综合网| 国产美女无遮挡裸体毛片A片| 久久激情网| 九九伊人网| 五月色婷婷影院| 天天插天天射| 日韩啪啪视频| 91啪啪视频| 九九这里有精品| 激情五月综合网最新| 狠狠爱婷婷爱| 综合网色| 欧美黄色一级录像| 久久婷婷草| 午夜色丁香| 97人碰人操| 一点色成人网| 婷婷色五月91啪啪| 秋霞av不能| 超碰永久在线| 色婷婷久久天天性爱| 丁香婷婷超碰 | 婷婷激情五月| 久久狠狠色| 精品视频99看在线视频| 婷婷五月天日本无码| 天天成人丁香美女AV| 激情五月天婷婷视频| 丁香五月亚洲婷婷| 超碰在线观看9| 久操热| 色色com| 日本色婷婷| 五月激情小说| 99日视频在线| 婷婷四月 成人 狠狠干| 婷婷丁香综合| 亚洲精品亚洲人成人网| 日本一级淫| 欧美97超碰| 日韩成人电影av| 午夜爱爱网站| 亚洲欧洲自拍图片专区五月天| 久久只这里有精品| 99热资源在线| 成人做爰黄A片免费看直播室男男| 92久久精品一区二区| 91久久精品国产91性色TV| 玖玖伊人网| www.婷婷,com| 五月天激情国产综合AV| 五月天开心色情网| 激情综合五月丁香六月婷婷| 国产99久久久| 日本激情综合| 欧美精品999| 性爱激情五月| 久热久色| 久久激情五月婷婷| 日韩av一区二区在线/日产精品久久久| 天天操天天插天天射| 91人人澡人人爽人人看| 99热这里只有精品50| 精品人妻久久久久久| 91久热| 99热免费| 色婷五月| 久久免费精彩视频| 综合色七七| 九九色大香蕉| 丁香五月天激情网| 嫩草AV久久伊人妇女超级A| 99久久精彩视频| 婷婷色播色五月五色五月天色妇| 天天干天天拍| 婷婷五月天综合久久日美女| 五月丁香久久综合| 综合激情在线视频| 卡视频1区2区| 婷婷激情五月天视频在线| 99视频自拍| 影音先锋一区二区资源站| 欧美色久| 激情丁香五月婷婷| 色婷婷精| 韩国三级五月天婷婷。| 欧美性生交XXXXX无码小说| 伊人色五月| 爱草视频在线| 欧美在线| 五月天激情播播网| 99思思| 九九九九无码| 99久久久| 草榴视频黄色网| 狠狠五月激情在线| 另类小说色婷婷| 97日本在线| 91人妻视频| 99热这里只有精| www热久久yy9| 天天日夜夜| 亚洲日韩久久婷婷伊人| 婷婷激情五月综合基地| 九九视频在线观看视频6| 狠狠se| 影音先锋xfplay资源男人网| 色噜噜狠狠色综无码久久合欧美| 女性自慰系列第五页| 亚洲99在线| 夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂亚洲亚洲亚洲亚洲亚洲亚洲亚洲亚洲色 | 99久在线精品99re8热| 婷婷六月成人| 极品人妻videosss人妻| 亚洲偷| 九九视频这里只有精品在线播放| 99亚洲精品视频| WWW99热| 五月天激情久久| 日本三级99人妇网站| 色婷婷丁香五月观看| 久久综合99| 婷婷丁香亚洲色综合91| 六月婷婷av| 婷婷五月网图片区| 婷婷性福五月天| 丁香激情综合| 色色色色色色色色网站| 婷婷丁香综合| 91丨九色丨丰满人妖| 综合九九日本| 九九婷婷综合| 五月份婷婷| 日韩视频99| 久久伊人婷婷| 在线只有精品| 五月丁香六月停停| 九九综合图片网| ji'qi'luan'ren'lun| 操逼亚洲天堂| 91干在线| 熟女婷婷网站一婷婷五月一丁香婷婷一婷婷激情网 | 99久久久国产精品免费蜜乳tv| 天天色情站| 婷婷五月天激情在线观看| 午夜不卡久久精品无码免费| 日韩色五月| 99色久| 色久综合| 再次出发二| 色婷婷av在线观看| 久热视频这里只有精品| 超碰日日操| 色色五月婷| 色噜噜狠狠色综合伊人| 久久丁香婷| 色播播五月| 久9免费视频| 性视频久久| 思思热天天看| 在线中文AV| 丁香五月婷中字幕| 激情六| AA片在线观看视频在线播放| 久热这里| 婷婷五月天亚洲天堂| 久久婷婷五月综合色区| 成人国产综合| 色综合久久伊伊婷婷五月| 国产偷人爽久久久久久老妇APP | 综合久久久婷| 91啪啪视频| 五月婷在线色视频| 超碰人人超碰| 色色色宗合网| 五月天久久婷婷| 色婷五月天网站| 丁香五月婷婷综合激情啪啪啪啪啪啪啪 | 五月开心婷婷| 国产免费一区二区三区三州老师F1F1.CC| 日韩激情网站| 久久人妻精品| 亚洲国产精品VA在线看黑人| 久久久色婷婷五月天| 狠狠一日| 综合激情婷婷| 9l视频自拍9l视频自拍九色学生| 天天久久综合| 婷婷五月天成人在线视频| 婷婷五月色| 丁香六月伊人| 玖月婷婷爱丁香| 久久婷婷五月综合色天| 国产乱人偷精品人妻A片| 天天做天天爱天天综合网| 丁香五月久久| 激情五月婷黄版| 色香蕉影院| 美女丁香五婷婷| 久久机热这里只有精品免费视频| 亚洲AV无码成人精品区电影网| 五月亭亭六月天| 天天情色综合网| 五月大香蕉| 97干在线视频精品店| 亚洲高清在线| 9热在线观看| 婷婷五月精品中文字幕| 亚洲第一色色色色| 91狠狠综合久久久久久| 亚洲久久日| 99燥99日| AA丁香综合激情| 99热资源在线| 人人爽天天爽| 五月婷婷网五月在线| 五月丁香久久网| 丁香五月AV| 亚州成人综合在线| 国产一级片色色| 激情綜合網址| 七七色色综合| 天天色天天日天天舔| 激情五月天之六月婷婷| 狠狠色五月激情| 97人人做| 96精品久久久久久久久| 婷婷丁香五月91| 无毒黄色网址| 国产亚洲AV人片在线| 色婷久久| 五月天大香蕉| 99热最新| 99久热| 91丨九色丨东北熟女| 可以免费观看的av| 色婷久| 激情五月天在线视频| 五月天综合区| 五月丁香婷婷婷婷综合网| www,8050,午夜三级| 97人人操| 日本91在线| 亚洲网站999| 大香蕉院线| AV性爱网| 丁香五月激情啪啪| 成人色五月天婷婷| 狠狠色丁香综合| 丁香婷婷人妻| 欧美美女国产日韩一区二区久| www.婷婷六月天| 五夜丁香| 五月丁香综合啪啪| 综合五月天亚洲婷婷| 秋霞免费三级片| 激情综合啪啪| 国产婷婷综合| 色五月成人在线| 五月婷婷免费在线观看| 亚洲激情97五月天| 色综合久久88色综合天天99| 国产精品美女| 亚洲综合激情五月久久| 五月天综合网| 国产97在线日韩亚洲女人被黑人巨大| 五月丁香 狠狠爱| 婷婷五月精品| 久久精品99久久| 激情久久久久久| 婷婷伊人久久| 婷婷丁香五月视频| 婷婷六月久久综合导航| 婷婷色九月| 五月丁香婷婷久久| 五月婷婷综合激情| avh片在线观看| 久久ri精品视频| 色综合久久综合| 91九色小视频| 九九这里有精品视频| 激情综合网激情五月网| 天天天综合网| 99热这里只有精品3| 五月婷丁香| 色欧美一级| 美女xx不卡| 99九九在线观看免费| WWW.婷婷五月天.COM| 婷婷五月花免费视频在线| 狠狠狠狠狠狠狠狠草| 丁香五月欧美激情| 人妻中文在线| 97超喷视频在线观看| 97干综合网| 那里有AV网址| 婷婷五月天久久| 亚洲综合婷婷| 亚洲99热| 五月婷婷色播视频| 色综合久久88色综合天天99| 色五月首页| 丁香婷婷老司机久操| 婷婷丁香97| 五月丁香综合久久| 丁香五月影视| 狠狠色噜噜狠狠狠777奇米| 婷婷五月色图| 激情开心五月亚洲| 99ri国产| 综合超碰熟| 亚洲视频a| 26UUU欧美| 99热这里只有精品青草| www.九九婷婷| 丁香六月爱综合| 色丁香五月| 国产JK精品白丝AV在线观看| 亚洲AV第二区国产精品| 免费观看的AV| 99热这里只有精品99| 五月婷婷黄| 色宗合,宗合网| 99色色| 无码激情AAAAA片-区区| 婷婷五月18永久免费网站| 婷婷五月天综合激情| 五月色丁香视频精品| 日本综合色图| 99热亚洲| 伊人在线视频| 97luluse| 伊人成人宗合网| 超碰在线9| 国产精品男人AV不卡| 五六月婷婷| 婷婷五月天激情网| 欧美日本高清视频99| www.五月天性.com| 色播丁香| 亚洲色9| 五月天婷婷综合| 色视频色综合91| 丁香五月1页| 久久人人妻| 人人操9| 亚洲天堂久久| 99热一区| 色月丁| 久久这里有精品99| 超碰9799| 人妻久久久久久久久妻久久久久| 丁香婷婷久久| 色五月婷婷激情综合网| 夜夜爽天天干| 丁香九月婷婷| 午夜丁香婷婷| 青青草原中文字幕| 九九99久久| 九九九热精品| 色色色干| 天天五月丁香五月| 久操大香蕉| 五月婷成人| 丁香激情网| 操日本三片99| 色碰碰| 99热天堂| 激情丁香社区| 秋霞免费三级片| 色九区| 国产在线黄色| 开心五月网 | 久久久全国免费视频| 天天在线久久综合| 无遮羞AV| 久草五月天| 大香蕉懂9| 丁香五月成人社区| 九九视屏| 亚洲天天| 狠狠操天天操综合| 丁香五月-激情综合| 色五月成人婷婷| 九九色逼| 综合五月天天天天天五月| 色欲一区二区三区精品A片| 管管補管管紱| 99爱在线| 久久99精品久久久久久噜噜| 婷婷综合网| 色色性爱视频| 五月天全国最大成人网| 伊人大香蕉爱聚| 五月天久久网站| 99ri视频在线观看| 久九色| 婷婷激情伍月网| 精品亚洲国产成AV人片传媒| 国产精品久久7777777精品无码| 日本玖玖在线| 久久九九爽| 天天色综合天天| 99∨VTV| 99热色在线精品| 免费AV在线网址| 棕合影院色色| 丁香成人综合| 久久精品99久久久久久久久| 99热这里只有精品青草| 性生活视频98791| 99久久.www| 99这里只有精品|v| 天天色综合网1| 久久婷婷综合国产| 国产精品人成A片一区二区| 五月综合影院| 91婷婷在线| 欧美成人AAA片一区国产精品| 狠狠色噜噜狠狠| 91精品人妻少妇无码影院| 天天拍天天操| 色五月人妻| 色婷婷久久综合| 国产成人AV| 能看的AV| 亚洲十月婷婷综合| 日本不卡中文字幕| 一区二区成人电影免费播放| 激情五月天色播| 五月亭亭六月色| 婷婷五月另类网站| 五月婷婷六月色| 婷婷五点亚洲| 99热综合在线| 色青五月天| 激情五月天视频| 99久久玖玖| 99热永久在线观看| 激情五月天的婷婷| 99精品视频播放| 久久98| 这里只有精品9| 九九aV| 99久久综合狠狠综合久久| 日韩成人电影AV| 亚洲无码成人性爰网| 亚洲婷婷丁香| 久久女人九九| www.超碰97| 岛国AV网| 91久久电影| 99热只有这里才是精品| 亚洲99激情| www.日本91| 五月丁香婷婷欧美色图视频五月丁香777电影 | 丁香六月青青草| 五月天婷婷影院| 思思99热| 五月亭亭性| 啪啪啪五月天| 亚洲激情 久久| 色碰干| 99情色五月天| 99在线精品观看99| 天天色宗合| 狠狠五月天| 婷五月天在线草| 97精品欧美91久久久久久久| 97婷婷在线| 午夜AV网| 任我干视频在线观看| 亚洲色五月| 色五月在线观看| 任你搞网站| 国产激情综合五月久久| 婷婷六月丁| 五月精品免费XXX| 五月丁香视频在线观看| 五月天天天综合| 久久99视频| 99网址在线看| 婷婷五月激情的图片| 五月天色色色网| 色婷婷五月综合激情中文字幕| 天天射影院| 久久99热这里只有精品| 成年人丁香五月| 国产亚洲色婷婷久久99精品91| 五月婷婷丁香六月| 中文字幕激情综合| 99热大香蕉| 久久婷婷五月天激情四射| 噜噜狠狠色| 色噜噜五月天| 99riAV国产精品视频| 91日日日| 超碰在线免费| 亚洲热综合| 天天干天天拍| 天天综合色| 丁香五月天堂| 久久久国产精品黄毛片| 五月天啪啪网| 亚洲热久| 六月丁香婷婷综合狠狠爱夜夜爱| 99re免费精品视频| 思思99热热热99| 久9视频| 亚洲中文乱字字幕在线永久| 激情五月综合网| 亚洲欧洲中文日韩久久AV乱码| 91精品综合久久久久久五月丁香| 另类少妇人与禽zOZZ0性伦| 无码99| 日本黄色三级片内射| 日本综合九九| 久久亚洲无码| 九九久久99精品免费观看www| 日本啪啪天堂| 五月丁香色婷婷伊人| 91精品熟女| 色五月成人网| 伊人婷婷色| 99热这里只有精品2| 丁香六月婷| 九九九激情综合| 色婷婷久久9.com| 69精品人人人人人人| 伊人激情综合网| wuyuedingxiang99| 99re最新地址| 色五月色五天色情网| 狠狠干婷婷| 国产AV影片| 婷婷黄色五月| 久久只有这里精品免费| 婷婷五月天男人影院色色网| 五月综合丁香婷婷| 日韩aaa| 韩国中文字幕91| 69综合在线| 色婷婷综合久色AV五色最新| www一区二区三区| 99热99精品| 婷婷激情图片| 98热精品| 天天摸,天天爽| 五月丁香婷婷成人网| 色婷婷久久| 亚洲成人在线观看av| 啪啪黄页网| 另类小说五月天综合| 日本色爽| 老师的粉嫩小又紧水又多A片视频| 国产成人亚洲综合亚洲| 中文久久久人妻| 五月天亚洲综合网| 色伦专区97中文字幕| 亚洲午夜一区二区| 99热日| 亚洲不卡| 午夜激情久久| 天天日日夜夜爽| 丁香五月婷婷色情综合| 久9热| 亚洲四色五月| 99re热久久| 超碰av在线| 6 9式性爱视频在线播放| 丁香五月激情六月欧亚激情综合导航 | 色.五月综合网| 色综合九九色综合88| 天天射综合网夜夜操| 思思热视频在线观看| 综久久久| 天天综合图片| 操一操干一干| 欧美色图天堂网色| 国产综合网在线| 伊人无码高清| www.婷婷亚洲基地| 五月丁香激情综合网| 日韩ww| 色五月成人婷婷| 天天在线XXX| 亚洲无码影音| 777丁香六月青青草婷婷综合久月| 婷婷五月丁香五月| 艹色18p| 五月丁六月香av| 激情久久久| 国产97色在线 | 日韩| 婷婷五月天偷拍| 99这里有精品视频| 99操碰| 久久99精品久久久久久噜噜| 91窝窝| 欧美久久婷婷| 五月婷A V在线| 色五月丁香一区在线| 色五月婷婷久久| 亚洲无码黄色| 在线综合网| 无码人妻一区二区一牛影视| 丁香五月亚洲天堂| 九九九九九九热| 天天拍久久| 激情深爱五月天| 九九99精品| 久久婷婷激情| 91精品久久久久久| 91男同| 另类视屏| 日本欧美国产| 久久免费操| 操逼三区| 日韩综合天堂| 亚洲色五月| 日日干五月天婷婷| 天天日天天爽夜夜爽| 综合天天综合| 99欧美| 五月天婷五月天综合网在线观| 丁香六月激情| 色婷婷五月基地在线| 国产亚洲色婷婷久久99精品91| 青草青草久热这里只有精品| 天天天天干| 99热这里只有精品在线免费| 五月激情在线| 深爱五月亚洲| 五月婷婷9| 狠狠爱婷婷丁香| 婷婷色情网| 超碰人人艹| www.久久| 免费视频WWW在线观看网站| 五月丁香六月婷婷免费视频| 婷久久久| 99啪啪网| 六月丁香婷婷拍拍| 日日干四虎| 91色情播放| 婷婷网影院| 99在线小视频| 久久66精品| 97久久精品视频| 人妻久久人妻久久第一区| 丁香婷婷九月| 九九av| 五月天欧美激情| 丁香六月婷婷社区| 亚洲激情av| 涩涩五| 国产永久一黄| 丁香婷婷基地| 26uuu亚洲欧美| 亚洲色色五月| 婷婷五月天小说网| VA婷婷亚洲| 精品99在线观看| 高清不卡一区| 精品视频99看在线视频| 婷婷丁香精品视频在线观看| 4399在线日本A片| 五月色无码| 久久人操-久草婷婷-成人AV| 久久丁香五月天| 国产精品视频久久99| 丁香婷婷五月六月久久| 国产精品日本一区二区在线播放| 中文AV网站| 琪琪秋霞| 99精品九九| 91精品久久久久久| 这里只有免费的精品| 色婷婷激情| 婷婷不干网| aaa久久| 婷婷成人综合五月| 亚洲综合色色| 中文字幕久久婷九女同| www.丁香五月| 久热99热| 人人人舔人人人操人人人摸人人人97 | 激情五月色播五月| 色五月婷婷中文字幕在线观看 | 久久99热免费| 久久久婷婷五月亚洲97号色| 久久婷婷五月综合色丁香花| 久久国产色| 五月婷婷天天| 丁香五月在线视频黑人| 五月天婷婷色在线视频免费观看| 97国产精品女人碰碰| 九九热免费视频| 六月丁香婷婷综合狠狠爱夜夜爱| 五月综合婷婷久久在线| 久久99热这里只有| 97色色综合| 精品综合网在线| 五月丁香香蕉| 大香蕉99| 狠狠色综合网| 日韩色色视频www| 天天日夜夜高潮| 五月丁香好婷婷A片网| 婷久久高清| 五月丁香啪| 婷婷射丁香| 激情婷婷六月天| 婷婷六月色播| 五月丁香天天| 色婷婷成人丁香| 丁香婷婷五月激情| 五月天AV大香蕉| a性生活久久无| 三人荫蒂添的好舒服A片 | 五月婷婷先锋| 久久婷婷七月丁香| 激情六月婷婷| 色色99| 五月丁香在线观看| 亚洲成人免费在线| 精品人人操| 夜夜久久综合网| 五月天播播中文字幕 | 久久九九免费视频| www色婷婷| 狠狠色噜噜狠狠狠狠综合| 六月丁香网| 3www激情| 可以免费看AV网站| 久色五月| 五月婷婷自拍| 欧美成人五月天| 激情网综合| 丁香5月婷婷| 日本性激情色播| 99热这里只有精品50| 激情婷婷狠狠干| 26uuu美女三级视频| 九九热亚洲中文在线观看免费| 成人丁香五月| 五月天激情综合网俺也去| 色综合激情| 五月香婷婷| 婷婷五月激情热播| 99视频久久免费视频| 五月天伊人av| 色五月丁香五月激情五月激情| 97超碰人人操| 婷婷99狠狠| 亚洲另类婷婷五月丁香在线播放| 免费的日逼视频| 天天成人综合| 99精品7| 久久婷婷五月天综合| 五月天狠狠草| 人妻久久久久久| www.婷婷亚洲基地| 狠狠色综合网| 亚洲精品白浆高清久久久久久 | 久久精彩综合视频| 激情综合自拍五月婷婷色五月| 草操网| 玖玖福利视频资源| 99色网站| 嫩草视频在线观看| 女人高潮内射99精品| 激情小说色五月| 久久全色| 超碰女人天堂| 99这里只有精品国产| 99视频这里只有久久精品| 天天色色天天| 97人人射| 国产午夜精品AV一区二区麻豆| 色婷小说| 丁香六月啪啪啪| 狠狠88综合久久久久噜噜噜| 天堂草在线观| 开心深爱激情网| 色色五月婷| 96精品成人无码A片观看金桔| 色激情网| 日本一级黄色电影| 亚洲男人的天堂婷婷色五月| 五月婷婷开心网| 天天爽天天| 69天堂99| 色综合丁香| 丁香婷婷五月六月天| 殴美综合激情五月天免费视频| 热99在线| 综合AV网| av第一二区| 亚洲成色综合网站免费观看| 99热6这里只有精品| 久热人妻| 五月婷无码| 中文字幕黄色片| 五月丁香AV在线| 五月天婷婷av| 狠狠爱深色婷婷综合| 九九re精品视频在线观看| 五月天激情网址| 五月婷婷中文字幕| 色五月天婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷 | 丁香五月天在线视频| 深爱激清网| 成人免费高清在线播放| 2018国产大陆天天弄| 日本99婷婷| 五月天合网| 天天澡天天狠天天天做| 粉嫩AV久久一区二区三区| 亚洲色图日韩网址| 丁香六月激情综合网| 丁香五月Av| 国产精品一区在线观看你懂的| 色婷婷在线影院| 在线五月色播| 国产操碰| 久久99三级在线视频| 色播五月丁香综合| 这里只有精品视频99| 九色1区视频在线| 欧洲激情五月天婷婷| 婷婷综合色图| 欧美色偷偷大香| 五月丁香亚洲五月| 久机视频这只有精品| 美女91一起草| 99这里只有精品在线观看| 秋霞成人毛片一级A片| 久久久久久久久久久jjjj| 色情·com| 日本久久天堂| 五月亭亭色| 亚洲久热无码| 国产亚洲成AV人片在线观黄桃| 色婷婷操逼| 99热这里只有精品8| www99精品日韩| 综合久久丁香婷婷,五月婷婷六月丁香,开心激情综合网,六月丁香在线观看,婷婷丁 | 亚洲国产婷婷色五月| 久青草影院| 91色五月在线观看| 色综合久久伊伊婷婷五月| 中文AV网站| 九九热99熟女| 99热精品无码| 果冻传媒A片一二三区| 亚洲婷婷开心五月| 这里只有精品视频| 欧美色婷婷| 色五月激情五月天| 久久婷婷网址| 欧美婷| 欧洲色色| 亚洲中文无码成人| 人妻AV在线| 婷婷五月在线免费| 婷婷五月天电影网 | 婷婷五月天综合在线| 丁香九月色| 热成人网| 大香焦A∨| 天天做 天天爱| 99久久欧美| 97色色色视频| 色婷婷精品视频在线播放| 五月婷婷欧美激情| 色婷婷AV久久| 深爱激情六月天| 亚洲人成网站999综合| 26UUU精品一区二区c〇m| 欧美午夜乱妇午夜福利| 日在线V视频在线播放| 蜜臀AV在线观看| 婷五月丁香| 久久精品A片777777| 丁香五月天激情AV| 丁香五月天堂婷婷| 五月婷在线播放| 91xxxx九色| 操日视频| 国产激情AV| 婷婷五月天影院| 亚洲婷婷开心五月| 97人碰人操| 日韩AV大全| 久久99免费视屏| 999热这里只有精品| 99热性色| 狠狠爱综合| 天天日夜夜高潮| 七七婷婷综合| 人人爱国产| 操人视频91| 色玖玖| 天天爽天天日人人爱 | 天天插天天射| 亚洲天堂AAA| 五月丁香婷久久| 97se视频在线| 久久久性爱网| 丁香成人五月天| 蜜乳.comcom| 在线超碰免费| 午夜爱爱网站| 五月天五月色婷婷综合| 99精品视频在线观看| 成年人看Va免费视频| www一起操| 99久久婷婷国产综合精品草原| 艾小青av| 在线99精品| 色色婷婷丁香| 丁香五月天激情AV| 色吊丝永久访问网址| 99精品免费视频| 日本成人噜噜| 另类图片色五月| 日韩人妻AV在线| 婷婷六月综合基地| 激情影院内射| www.com在线操视频免费观看| 婷色五月天| 5月色亭亭视频| 日本在线wwww| 日韩无码成人电影| 黄色AAAAA| 五月丁香大香蕉| 九九99精品免费播放| www.日韩国产| 2025天天爽天天摸| 成人丁香色| 中文字幕 中文字幕明步| 26uuu日韩| 婷婷六月丁香激情综合| 五月五月婷婷| 中文字幕日产A片在线看| 五月天亭亭俺也| 六月丁香五月婷婷首页| 丁香六月欧美| 色婷婷基地| 99精品在线观看视频| 天天日夜夜B久久| 日本三级色| AAA久久| 97色色色| 五月婷综合性中心| 91爱啪啪| 丁香九色不卡aaa| 五月色综合| 99免费热视频在线| 国产熟妇的荡欲午夜视频| 99热6精品| 热久久成人| 久久9精品视频| 国产在线网址1| 色色热| 一级黄色尤物综合视频手机在线观看| 久鲁鲁色网| 色色色在线| 丁香亚洲色综合| 色激情五月天| 激情综合在线观看| 五月天激情亚洲| 婷婷五月天无码熟女| 婷婷四色五月| 亚洲无码AV片| 国产偷人爽久久久久久老妇APP| 无码激情| 五月婷婷色播| 五月精品免费XXX| ri电影在线| 色噜噜狠狠色综合成人网| 日本97在线看片| 婷婷D区| 亚洲九区| 色99网| 婷婷刺激综合| 99精品亚洲| 色色婷婷综合网| 日韩无码一区二区三区四区| 大香蕉啪啪| 美欧成人视频| 国产亚洲av片| 色一色综合| 激情五月婷婷| 色99在线| 91久久久久久久久18| www.minyis.com【JT】实力收量可预付QQ2101460746 | 99操无码视频观看| 综合色色综合| 久久一伦| 99玖玖精品| 色吊丝99| 久久婷婷丁香花综合网| 国产做A爰片毛片A片美国| 久久婷婷热| 超碰v| 九九在线热九九在线热99热| 最新无毒无码AV| 夜夜干天天操| 超碰免费在线| 色伦专区97中文字幕| 91中文狠狠综合| 91干网站| 冬月かえでAV无码播放| 高清国产一级婬片a免费| 久热丁香| 七七九色| 婷婷五月情| 五月天婷婷色| 亚洲九区| 丁香六月婷月91婷月| xxxx五月激情| 天天草狠狠擦| 求可以看的AV网址| 小色小蛇伊人婷婷色香五月| 久大香蕉| 大香蕉九九| 另类色视频| 五月丁香婷婷综合激情基地| 婷婷激情蜜桃玖玖丁香| 激情五月视频| 色婷婷色婷婷五月| 野战毛片三一3| 九九自拍网| 庭庭久久内射| 婷婷丁香人妻天天爽| 久久XX| 亚洲欧洲另类图片| 午夜激情久久| 亚洲Av成人在线观看| 在线观看欧美| 国产伦理精品高清在线观看网站一区二区| www.五月婷婷久久.com| 九色视频91疯狂| 亚洲天天免费| 婷婷五月六月激情| 亚洲色网址| 色婷婷A| 久久婷婷热| 90色免费视频| 操久久精| 婷婷五月天AV在线| AV伊人青草丁香六月| 99精品视频在线| 丁香六月婷婷综合啪啪| 亚洲综合草草| 99热这里是精品| 丁香花综合永久入口| 亚洲99在线| 狠狠色丁香综合| 激情小说之五月| 九九无码| 婷婷亚洲天堂| 97婷婷久久丁香| 亚洲无码播放| 六月丁香五月激情网| 五月婷婷中文字幕| 99操视频| 亚洲欧洲美女在线观| 非洲一级AV| 综合久久丁香婷婷,五月婷婷六月丁香,开心激情综合网,六月丁香在线观看,婷婷丁 | 久热精品视频在线观| 99在线观看免费精品视频| 五月六月婷婷| 五月婷婷丁香在线| 伊人狼人干| av网址在线| 五月色天五月色| 久99在线视频| 婷婷色在线| 色情五月天导航| 五月天天天操天天爽夜夜操| 五月婷婷六月少妇激情| 五月丁香精品| 影音先锋自拍网| 中文AV在线播放| 99热日本| 97综合色片| WWW、日本色丁香、co m| 天天舔天天爽| 国产AV一区二区三区最新精品| 99久精品| 色婷婷香蕉丁丁网| 五月婷婷av| 色爱爱综合网| 婷婷五月综合在线| 五月丁香在线综合| 午夜不卡久久精品无码免费 | 999热在线视频| 激情婷婷五月天| 久久9精品| 五月婷婷在线视频| 精品一区久热| aaaaa不卡| 日韩人妻在线观看| 久久天堂色| 婷婷香五月综合激情| 六月婷婷色宗合| 丁香五月综合亚洲| 丁香五月激情综合| 色欲五月婷婷| 婷婷免费视频| 亚洲av电影网站| 天天综合干| 丁香五月性| 色婷婷综合久久久久| 久久精品视频在这里有| 激情亚洲五月| 五月丁香WWW| 天天日天天操心| 丁香五月色色| 99久久这里只有精品| 五月天婷婷网站| 99热精品9| 91久久久久久久久久18| 色99亚洲| 97干在线| 色婷婷亚洲婷婷| 五月天婷婷綜合院| 激情久久 婷婷| 国产精品VA在线| 性爱五月婷| www激情婷婷com| 五月天婷婷青青草| www.狠狠干com| 综合 激情 婷婷| 玖久精品视频9| 在线中文AV| 九六五月天婷婷| 国产成人精品一区二三区熟女在线 | 99色网站| 丁香色色色| 激情文学久久| 国产精品电影| 激情五月天婷婷丁香| 五月总合激情网| av在线资源| 天天天操天天天爰| 五月天开心网| 天天天天天天天干| 亚洲无AV在线中文字幕| 五月丁香综合啪啪対白| 成人在线观看精品| 九九无码视屏| 爱狠射| 人人干人人操人人摸| 五月天婷婷丁香花| 日韩久热| 异能之下短剧免费观看全集| 激情影院丁香五月| 同性gv国产精品一区二区| 日韩在线观看网址| 99人人操人人摸| 91国产精品视频播放| 久久久这里有精品| www.久久爱.com| 丁香五月天啪啪| 日本的α片xxxwww| av免费在线看不卡无毒| 9999热这里只有精品| 爱狠射| 狼友视频在线观看18| 99热免费精品热久久66| 激情内射人妻1区2区3区| 婷婷六月花| 日本操片| 99色干| 全网最新网黄大秀直播高清,主播国产录屏在线| 亚洲精品又粗又大又爽A片| 狠色狠色综合久久| 欧美WW在线网| 六月 丁香 视频| 五月色丁香国产在线视频| 丁香五月天大香蕉啪啪| 婷婷五月天在线视频网站| www婷婷| 色135综合网| 无套内射极品大美女| 99久久久久| 成人.在线日韩| 夜夜骑夜夜操| 色综合久久综合中文综合网| 欧美成人精品A片免费一区99| 九九热视频思思| 99亚洲视频| 欧美交换配乱吟粗大25P| 99re热视频这里只精品5| 91人操| 丁香六月啪啪| 深爱激情五月婷婷| 五月婷在线观看| 久久婷婷五月丁香蜜桃网| 亚洲视频操| 婷婷丁香五月天欧美| 色射7856五月天激情四射| 九九视频这里只有精品| 337p午夜影院| 久99久精品| 色六月 婷婷| 五月天综合久久|