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
欧美搡BBBBB摔BBBBB| 中文字幕在线观看视频www| 久久激情网| 五月丁香婷草| 99无码超碰| 九九色色| 日韩av免费版| 色色色色色色色色五月先| 五月丁香六月婷综合成人综合 | 狠狠色狠狠色综合日日91| 这里只有精品视频国产| 天天干天天操天天爱| 亚洲综合激情五月久久| 婷婷久久色| 最近韩国日本免费高清观看| 99色免费| 99热6这里只有精品6| 色婷婷色五月综合| a在线观看| 婷婷中文字幕| 亚洲综合1024| 91肏| 色 免费网站视频| 五月婷婷开心激情六月蜜桃| 婷婷另类小说| 双性美人被调教到喷水A片| 丁香九月激情在线视频| 婷婷和五月天| 日日天天干| 久草天堂| 久久男人网婷婷| 九月婷婷色色| 26UUU精品一区二区c〇m| 免费精品66| 色色哒五月婷婷六月丁香| 综合网五月| 五月丁香久久| 9l久久久视频| 性婷婷| 操一操干一干| 韩国中文字幕91| 婷婷午夜综合| 亚洲va欧美va国产综合久久久| 日韩超碰在线| 丁香婷婷五月天成人| 色狠狠999综合| 99在线观看亚洲| 婷婷五月天啪啪| 69色婷婷| 亚洲成人电影在线免费观看| 婷婷丁香社区网| 9999热这里只有精品| 我去色色网五雨天| 激情综合五月丁香六月婷婷| 天天日日人| 色婷婷丁香五月天在线观看| 婷婷五月激情黄色| 色欲婷婷夜夜| 婷婷五月情| 欧美色激情四射| 成人av中文字幕| 欧美色小说婷婷| 久久免费操| 超碰狠狠干99| 狠狠狠婷婷五月综合| 丁香涩涩爱| 久热九九| 激情啪啪五月| 色屌丝中文字幕| 777影视理论片大全在线观看| 97成人在线视频精品| 五月丁香拍拍激情综合| 狠狠干综合| 色婷婷AⅤ| 新99思思视频| 久久怡红院| 五月 成人 婷婷| 人妻有码乱操| 开心激情久久久久久久| 成人精品一区日本无码网| 天天综合五月| 天天日夜夜曹| 丁香五月 无码| 色色综合日韩| 色爱综合网| 91爱啪啪| 久久久久9999| 婷婷九九| AV在线观看网站| 天天久久婷婷| 这里只有精品69| 91色色色| 五月天激情在线视频| 天天操加勒比| 中文字幕综合| 色婷婷免费观看| 久热婷婷在线视频| 综合网五月| 日韩小视频在线99| 五月色天情| 影音先锋美国A| 免费成人va| 情色五月天网站| 丁香六月婷婷开心婷婷网| xfplayav在线| 开心婷婷五月综合| 色狠久| 丁香五月婷婷激情四射深爱激情| 丁香五月综合在线播放| 日韩在线看AV| 丁香五月婷婷激情中文| 97色碰碰公开视频| 久久美女五月天| 日本三级第一页| 狠狠干在线视频| 免费观看18视频网站| 欧美日韩成人在线| 97干在线视频| 亚洲Av入口| www.婷婷| 日韩一区二区三区无码| 北条麻妃九九九国产精品视频| ss五月天激情| 国产精品A成V人在线播放| 激情综合综合综合| 被强行糟蹋的女人A片| 亚洲一个色| 色色色色色色色色综合网| 九月婷婷久久久| 丁香婷婷五月色成人网站| wwww.色婷婷| 五月婷亚洲精品| 丁香婷婷老司机久操| 天天干狠狠| 综合日本婷婷| 91日本在线观看| 日本91在线| 91超级碰| a v色婷婷| 99噜噜噜在线播放| 日本人人xxx| 亚洲天堂制| 婷婷操婷婷干婷婷射| 99 福利 导航| 欧美六月| 亚洲婷婷月丁香五月| 亚洲亚洲人成综合网络| 色吧五月婷婷| 伊人超碰| 久热91| 深爱婷婷色| 五月天丁香婷婷久久九| 操一操干一干| 五月天激情综合在线| 高清无码网址| 久久五月天激情| 婷婷趴趴| 九九热视频在线观看| 五月丁香六月激情综合在线| 色婷婷女优有码五月亭| 操碰91| 丁香五月AV在线| 91.www综合| 欧美成人精品老美女噜噜噜| 成年人夜夜喷水| 日日夜夜婷婷| 婷婷激情六月天视频| 五月天婷婷亚洲| 99在线热| 丁香五月av在线| 1024欧美日韩精品久久久| 欧美在线视频免费播放| 婷婷六月网| 亚洲情欲久久| 亚州色色色| 情情五月天色| 超级碰碰碰碰视频| 免费视频WWW在线观看网站| av网站中文| 午夜福利8055| 五月丁香亭亭| 99黄色性生活| 大香蕉伊人丁香五月| 亚洲va欧美va天堂v国产综合| 日韩另类| 中文字幕乱码亚洲精品一区| h亚洲| 久久99这里只有精品| 丰满少妇乱A片无码| 婷婷综合视频| 五月花成人网| 五月停停色色丁香| 久久精品一区二区三区四区| 五月婷中文字幕| 六月婷五月丁香| 亚洲 欧洲 国产 伦综合| 九九久久精品| 婷婷丁香五月综合网上| 综合五月丁香久久| 9l视频自拍9l九色9l成人| 熟妇人妻中文字幕无码老熟妇| 人人爱国产| 色色色五月婷婷| 99九九热播在线免费视频| 97干97色| 99思思| 天天综合网、天天综合色 | 国产精品热搜丁香五月婷婷| 色婷丁香五月| 久超超碰| 午夜微拍福利| 狠狠操天天干| 99在线视频资源| 五月婷婷免费在线观看| 色色激情| 久久综合网桃花| 国产精品久久久久久久久久久久| 婷婷五月香蕉| 婷婷丁香色情五月天| 五月天色色激情综合| 丁香五月天日韩无码| 五月丁香啪啪网| 舔色婷婷| 五月丁香基地| 九九一综合精品| 妇激情基地| 五月色亭丁香| 久久精品凹凸分类| 精品无码久久久久久久久| 色色99| 五月天激情婷婷小说| 九九性视频| 伊人五月综合网| 日韩乱轮AV| 开心激情站| 五月丁香六月成人| 狠狠摸狠狠摸| 色五月影视| 久久婷婷五月综合激情国产| 色八月婷婷| enecarbon-materials.comWu染请涟系Bao护@wip1688 | 这里有精品| 色欲久久久久久综合网综合网| 天天射综合网夜夜操| 综合激情啪啪| 涩综合在线| 99色综合网| 五月天堂色色| 天天射色五月天| 久久婷婷综合五月| av一级棒av| 色婷婷五月天| 亚洲激情另类| 激情综合五月丁香| 婷婷五月综合社区| 人人操人人干AV| 性生活久久朋友人妻| 婷婷丁香五月天欧美| 五月激情视频| 四月婷婷五月色综合 | 久久综合五月| 婷婷五月天堂| 99色在线| 高清一区二区三区日本久| WWW,五月| 激情五月丁香婷婷| 丁香五月色| 激情综合网色播五月| 91久久久久久| 色五月激情五月| 婷婷色中文字幕| 97五月久久丁香婷婷| 婷婷狠狠色| 五月丁香六月激情欧美综合| 久久久久久人妻| 激情综合网五月激情| 99性爱视频网站| 精品九九视频| ss视频xx91| 五月香六月婷| 桔色成人在线| 天天操婷婷| 色狠狠色噜噜噜a天堂一区| 五月丁香六月婷婷手机无线| 操射国产日本| 成人丁香| 五月天啪啪视频| 欧美日韩123| 婷婷九月激情| 99热国产| 激情五月婷婷综合网| 超碰在线免费观看3 9| 亚州第一黄网| www久久艹| 五月婷婷激情久久| 人人操日| 天天色天天爽| 秋霞电影理论| 丁香五月播播| 久久婷色| 中文字幕无码人妻少妇免费视频| 色五月婷婷7777| 91欧美日韩| 日韩一级网站| 天天做天天爱天天爽夜夜揉| 六月丁香婷婷天堂| 情久久综合五月天| 久久9久| 欧美日韩123| 五月丁香| 丁香五月婷婷欧美性爱| 大香蕉Av在线| 四月婷婷五月色综合| 亚洲成人色五月婷婷综合| 天天爽人人爽| 五月婷婷免费视频| 日本欧美成人片AAAA| 五月天久久婷婷| 大香蕉婷婷| 大香蕉AV电影在线| 五月婷婷中文字幕| 婷婷色日本| 天天舔天天摸天天透| 国产va视频| 久久婷综合| 色综合五月天| 丁香五月婷婷婷桃花影院| 久色88| av在线资源| 婷婷久久国产视频| 五月婷婷啪啪| 久久久久人妻| 2016日日夜夜操| 婷婷五月激情网站| 99er6热在线观看精品6| 婷婷涩五月| 狠狠色丁香| 久久桃花网色婷婷| 久久婷婷五月综合色奶水99啪| 色五月之第四色| 五月婷色啪| 偷拍91九色| 91丨九色丨东北熟女| 亚洲av电影网站| 久天综合| 五月天激情视频网站| www,久久久| 欧类av怡春院| 秋霞AV美国| 五月天婷亚洲天综合网综合 | av激情在线| 亚洲九九免费| 亚洲va综合va国产va中文| 五月激情影院| 亚洲久久日| jiujiu无码五区| 99久视频| 曰韩五月丁香色婷婷无码| 日本黄色精品| 六月婷婷私欲| 亚洲成人五月天| 99亚洲精品综合在线| 婷婷的99视频网站| 国产色色色色| 亚洲九九夜夜| 亚洲AV网站在线观看| 草婷婷在线| 九九热视频99| 丁香9月婷婷| 99在线观看视频精品| 99热这里只有精品86| 99久久九九| 婷婷五月天精品| 五月天成人伊人| 热99在线| 波多婷婷久久| 亚洲av免费在线| 色色色色色爱| 亚洲欧美一区二区三区四区爱爱动图| 桃色五月天| enecarbon-materials.comWu染请涟系Bao护@wip1688 | 丁香五月亚洲综合丝袜| 丁香五月婷婷婷婷欧美综合| 999久久久国产精品| 亚洲性爱AV在线| 日本高清久| 亚洲国产精品综合色区| 国产精产国品一二三在观看| 欧美超级视频97| 国产淫熟妇| 五月天综合视频| 婷婷五月天丁香久久| 丁香五月婷婷亚洲综合精品在线| 99色婷婷| 丁香五月婷婷啪| 俺去也综合| 大香蕉综合视频在线| 色都都狠狠色都都色综合色| 五月丁香婷婷中文网| 狠狠狠狠狠狠| 激情综合五月丁香| 亚洲熟女色| 成人国产网站| 欧美一级操逼视频| 久久久天堂国产精品女人| 91偷拍视频| 久久人妻视步| 草榴成人影片| 五月激情网站| 天天日色情| 天天插夜夜爽| 伊人激情影院| 婷婷色网| 狠狠操狠狠操| 99亚洲天堂| 日韩久热| 婷五月天六| 欧美色色色色色色色| 国产无套精品一区二区| 天天爽日日搞| 大伊香蕉精品视频在线| 草美女在线观看视频在线播放 | 色色色.com| 狠狠色狠狠操| 五月婷婷六月丁香激情深爱| 爱射综合| 婷色五月| 色综合色综合网| 超碰狠狠操| 九九色影院| 丁香六月婷婷开心| 色综合久久天天综合网| 91超碰在线观看| 色五月天电影| 婷婷五月天桃花网| 米奇激情婷婷| 日本在线播放97| 五月天婷婷成人资源站| 成人精品免费在线观看| 亚洲综合热| 97超碰在线观看免费| 亚洲av骚货| 99婷婷色| 九九干视频| 91视频五月丁香| 久久久五月五丁香| 久久99久久99久久99人受| 99久久综合网| 五月天第四色开心色播| 黄桃AV无码免费一区二区三区| 色丁香综合影院| 美国少妇性做爰| 99在线观看免费精品视频| 99热这里是精品| 亚洲视频在线观看99| www.色五月| 色五月之第四色| 色情成人五月天| 婷婷丁香第一页| 丰满少妇猛烈A片免费看观看| 婷婷五月天亚洲激情戏精品| 97成人在线视频| 色色色色色色网| 久久天堂| 国产成人亚洲综合A∨婷婷| 丁香婷婷综合激情五月色,开心五月丁香花综合网,激情综合五月亚洲婷婷,五月天 | 九九99九九99| 精品久热| 狠狠色综合五月| 一级无码作爱片| 色你久久| 五月天伊人av| http://www.com久久久精品一区| 看久久性爱99视频| 91尤物九色在线| 日日操夜夜撸| www.亭亭五月天| 超碰A V在线| 大香蕉99| 九九九精品视频免费观看| 香蕉久久av一区二区三区| 99久久99热这里只有精品| 久久se 综合网| 五月丁香六月激情视频| 久久黄A片| 精品少妇人妻AV无码专区偷人 | 丁香啪啪中文字幕| 大香蕉九操| 777久久综合视频| 九久九精品| 成人综合视频在线| 激情婷婷五月天伊人在线观看| 婷婷丁香精品视频在线观看| 狠狠色大香蕉| 婷婷五月天激情网址| 久9热视频在线| 26.uuu丁香五月婷婷| 天天色月| av五月丁香| 九月丁香| 午夜丁香五月天综合| 99爽视频| 亚洲精品无码一区二区| 欧美丁香五月夫妻天| 免费国产VA国产免费| 99婷五月| 99热久| 五月婷色激情五月| 婷婷综合另类小说| 色五月,婷婷大香蕉| 五月丁香六月情| 都市激情五月婷婷亚洲| 26uuu国自产精品| 色情激情五月婷婷| 久久久久9| 黄色AAAAA| 欧美 日韩 成人 在线| 精品一二三区久久AAA片| 五月婷婷六月丁香| A A色色| 免费啪啪亚州视频| 嫩草免费视频| 99人人干| 美欧成人视频| 大地资源色婷婷视频在线| 99免费热视频在线| 激情综合九| 成人在线99| 久狠狠狠| 五月婷婷激情中心| 婷婷四月 成人 狠狠干| 91日日日| 久久婷婷免费| 九九在线精品| 99精品无码| 超碰renrenai| 思思久久99热| 五月激情网站| 五月色婷丁香| 色五月婷婷777| 操99| 丁香五月影院| 五月婷婷开心综合| 第六色在线| 人人爱操| 欧美日韩成人一区二区| OUMEIRIHANCHENGREN| 777影视理论片大全在线观看| 91无码高清| 99国产性感视频| 色五月天影视| av久热| 色久99| 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 | 午夜色婷婷| 五月婷婷丁香色播网| 久草大| 亚洲av无码精品色午夜| 婷婷欠久少妇| 99热这里精品| 五月天丁香网| 日本va欧美va欧美精品88| 第四色婷婷色五月| ...婷婷国产成人亚洲日韩| 九九RE视频在线精品| 日韩av网站在线观看| 国产真人做爰视频免费| 婷婷久久五月| 色婷婷综合网| 天天肏视频| 综合网视频| www.亚洲激情| www.久久五月天.com| 五月激情视频| 婷婷五月丁香花综合| 四射综合网| 五月色网| 色婷婷成人| 狠狠操综合| 任你草| 99综合一区| 久久99热这里只频精品6学生| 停停五月丁香| 丁香色婷婷五月天| 97色色色| 亚洲婷婷激情综合激情999精品| 五月丁香婷婷基地| 日本色五月婷婷| 天天射色五月天| 久久这里有精品99| 俺去啦综合网| 天天日日综合| 五月丁香婷婷综合| 91色逼| 超碰9| 激情综合网五月丁香| 97影院一级片| 色色色色色色色色网站| 激情综合网五月天| www99热| 99网| 天堂在线观看视频| 成人五月天。COM| 丁香婷婷婷婷十二月在线观看视频| 91亚洲天堂| 婷婷五月激情欧美| 开心深爱五月天| 五月色丁香婷婷中文字幕| 天天狠狠色综合| 婷婷丁香成人五月天| 99在线观看精品视频| 国产欧美va| 在线观看av网站| 男女99免费视频| WWW.婷婷| 久久久亚洲精品一区二区三区浴池| 色欧美一级| 高清a片基地| 五月丁香久久色| 亚洲av网站在线观看| 金桔一区二区ab地址| 亚洲 激情 中文| 久久久精久人妻| 久草热视频在线观看| 4399在线日本A片| www.zbzhongsen.com| 五月天色狠狠| 久久久久人妻精选| 婷婷色五月开心五月| 久久综合爱| 在线播放中文字幕| 91九色PORNY肉丝在线| 色九月综合网| 婷婷五月激情综合| 色久五月| 99热思思| 狠狠爱综合| 久久久久9久无码视频| 五月天另类图片区99| 久久大香蕉| 69激情小说| 天天色天天日天天舔| 亚洲视频99| 激情五月丁香五月色| 久久99久久久| 色五月婷婷 成人| 五月天成人在线视频丁香| 亚洲另类噜噜| 另类在线| 玖久久网站| 六月丁香狠狠爱| 第2色五月婷| 五月丁香龟婷婷| 92久久| 色综合久久久无码中文字幕999| 猫咪伊人久久| 五月天激情子轮| 思思久久精品| 婷婷五月丁香色综合| 丁香五月婷婷动漫| 日韩人妻在线观看| 在线观看视频1区| 免费九九热| 五月天色丁香| 国产精产国品一二三在观看 | 777久久综合视频| 婷婷五月影院| 色综合激情图区| 欧美色五月| 在线综合网| 国产真人做爰视频免费| 久99视频| 丁香五月婷婷五月| 97操资源婷婷| 成人婷婷色五月天| 婷婷丁香五另类网站| 丁香婷婷综合喷| 丁六月激情| 99热自拍| 丁香五月综合激情性爱| 激情婷婷啪啪| 99视频| 人妻性爱av网站| 激情五月婷黄版| 91五月花丁香| 开心五激情网| 久久久久婷婷| 色播婷婷五月天| 色五月欧美| 五月综合视频| 婷婷色五月综合| 做爱夜夜干天天操| 97中文在线| 欧美网站视频4399| 狠狠五月综合在线| 亚洲无AV在线中文字幕| 综合色色婷婷| 亚洲激情综| 一级韩国产精品毛| 日逼免费视频 | 99热久草| 内射爽无广熟女亚洲| 伊人大蕉香| 99热精品一| 青草视频在线观看视频| 99热国产国产| 欧美操人| 第四色激情网| 噜噜色五月| 天堂网色色| 激情婷婷综合五月少妇| 国产精品人成A片一区二区| a色色色色色| 五月婷中文字幕| WWW,五月| 播五月开心婷婷欧美综合| 久久一伦| 久 久9 9 热 视 频| 日操夜操天天操不卡| 五月丁香婷婷六月天| 少妇人妻人伦A片| 大香蕉久久伊人婷婷五月丁香| 人人97碰| 五月天激情久久| 亚洲婷婷丁香| 色吊丝永久访问网址| 99er精品视频| 日本久久极品| 韩国天天婷婷| 人妖色AV色综合| 婷婷狠狠色| 超碰AV成人| 国产视频婷婷| 丁香五月网| 婷婷五月色激情欧美激情| 伦99热| 2025天天日爽| 欧美日本国产欧美日本韩国99| 丁香五月婷婷五月天| 182TV大香蕉| 色五月婷婷综合在线| 久久五月天视频| 97性视频| 91精品综合久久久久久五月丁香| 伊人五月综合网| 五月丁香综合啪啪啪啪啪| 九九热最新地址| 欧美色狠婷久| 激情五月婷| www.91有码.com| 97在线观看| 色丁香在线视频| av一级棒av| 一夜福利不卡| 综合福利网| 五月丁香六月激情啪| 日韩精品99久久| 激情五月天天狠狠久久| 六月丁香久久| 99色综合| 婷婷九月丁香久久| 一区=区操屄高清大全av| 婷婷 丁香 精品| 久久总和99| 五月婷婷基地| 亚洲热综合网在线观看| wwww.色婷婷| 丁香五月天婷婷激情| 色99网| 激情丁香五月婷婷| 日韩精品色| 亚洲成人精品三区| 五月婷婷啪啪网| 欧美99| 五月天色小说| 嫩草乱码一区三区四区| www久久久久久久97| 五月丁香五月综合欧美| 涩五月丁香| 日日噜噜久久婷婷五月天| 色婷婷香蕉| 丁香六月 婷婷六月| 色九四色| 激情亭亭五月| 亚洲综合色网站| 新激情婷婷| 欧美三日本三级少妇三99| 五月天无码| 五月婷婷伊| 天天爱天天操| 蜜臀A∨在线水帘洞| 亚洲乱码日产精品BD| 亭亭玉月丁香| Av性爱网站| 丁香婷婷久| 无码任你操| xxx日本东京热| 婷婷丁香成人五月天| 99精品综合视频| 人人看人人摸人人| 五月天婷婷网站888| 99ER热精品视频| 另类激情中文| 激情影院内射| 葵花AV在线| 丁香五月天激情综合| 狠狠插狠狠| 婷婷色播婷婷| 国产精产国品一二三在观看| 偷偷操99| 极品人妻videosss人妻| 欧美超级视频97| 色五月婷婷网| 婷婷五月天无码| 九九综合精品| 看逼中文字幕| 欧美在线视频99| 婷婷天天婷婷天天澡| 五月婷婷丁香深深爱| 伊人久热91网| 六月婷婷五月丁香| 久久综合五月天| 97激情五月天| 欧美日韩成人在线网站| 538在线精品| aaa久久| 婷婷五月天首页| 日韩人妻在线观看| 婷婷六月偷拍| CHINESE熟女老女人HD视频| 99久久网站| 五月婷婷这里都是精品| 激情久久久久久| 丁香五月天AV在线| 婷婷五月情| 九九热这里只有精品6| 狠狠擼综合| 91啪啪网| 97婷婷五月丁香| 日本天天色| 婷婷五月综合网| 亚洲综合婷婷五月天| 在线五月婷婷小电影| 九色激情网| 中文人妻主播久久| 91无码视频| 六月五月天婷婷涩播在线| 色五月婷婷综合| 久久思思热| 五月丁香A片| 五月天日日操夜夜操 | 人人操人av| 97精品欧美91久久久久久久| 亚州性爱99| 婷久久高清| 婷婷99| AA丁香综合激情| 久久人妻在线| 色五月婷婷在线视频| 一区视频网站| 18久久| 激情综合五月丁香六月婷婷| 91九九| 97人人干人人操| 99亚州综合精品成人网| 五月天欧美激情| 欧韩性爱| 久久婷婷亚洲| 91久久综合亚洲噜噜成人在线| 日B日潘金莲BB| 中文字幕日产A片在线看| 婷婷五月香蕉| 九九热免费视频| 天天五月情| 无码激情精品色婷婷久久久久| 国产婷婷色五月| 激情伊人| 色五月婷婷91| 激情视频综合| 六月激情丁香一道本7777| 7777国产盗摄农村女人| 九九视频在线观看视频6| 99久久这里只有精品| 超碰在线看| 丁香五月中文字幕色播| 99久在线精品99re8热| 色大综合| 99爱免费视频在线观看| 97福利视频| 成人精品在线| 狠狠久综合| 高清激情av在线观看| 色婷婷a v| 九九九AAA热视频| 色你久久| 超碰操日| 色五月婷婷五月丁香五月| 91丨九色丨熟女高潮| 涩五月婷婷| 丁香五月天电影| 好色婷婷| 成人色色综合| 天天玩夜夜操| 97色色色视屏| 色五月激情| 婷婷免费视频| 激情五月天综合网| 99热这里是精品| 中文字幕视频在线播放| 色五月激情综合| www.日本91| 五月天综合| 色婷婷综合影院| 天天激情欧美美女| 婷婷五月,偷窥偷拍网| 综合五月婷婷| 亚洲免费婷婷| 人人摸人人澡人人| 久久五月丁香| 六月婷婷啪啪| 91丨九色丨白浆秘| 亚洲精品午夜国产va久久成人| 成人精品在线| 成人电影一区| 欧美日本韩国亚洲| 影音先锋秋秋五月婷婷| 91人人爽人人操| 色很久综合| 中文字幕,综合,91| 99久久亚洲国产| 五月丁香婷婷色色色| 欧美99| 成人五月天在线观看| 五月丁香六月婷婷在线小说视频| 久久aaa| 伊人午夜综合色啪| 青青草原福利在线| 五月婷婷婷婷| 99色热视频| 丁香五月婷婷影院| 国产精产国品一二三在观看| 国产熟妇乱子伦hd| 一区二区传媒视频| 久热AA| 欧美色图45678| 五月激情偷拍婷婷| 亚洲综合色五月| 99热这里是精品| 色色色色五月| 99精品成人无码A片观看金桔| 久久视9精| 91性人人| 天天爽在线视频| 婷婷五月天深爱| 亚洲色色香蕉| 99re在线精品视频| www.丁香五月| 婷婷天堂综合网| 在线中文亚洲| 国产精品在线视频| 亚洲综合色色色| 97人妻碰碰中文无码久热丝袜| 嫩草AV久久伊人妇女超级A| 中文字幕av久久爽| 99久久久久| 色婷婷五月网| AV性爱网| 开心婷婷五月| 色婷婷综合丁香五月天| 超碰在线国产| 可以直接看的AV网站| 五月天丁香综合| 疯狂做受XXXX高潮A片| 丁香婷婷五月人体| 五月天社区| 婷婷五月六月激情| 男女99免费视频| 99热国品| 婷婷涩涩五月天| 六月综和久久| 丁香五月综合| 日本乱子人伦在线视频| 4399欧美另类视频| 欧美va视频不用播放器的va视频网| 欧美日韩aaaa| 婷婷五月天综合网| 色97啪啪| 色婷婷XXXXX| 一起草性爱不卡视频| 九九99精品视频在线观看| 伊综合蕉| 日韩欧美一区二区三区四区| 午夜五月天| 另类视频在线| 干一干xxxx| 无码G高清天| www.五月婷婷.com| 欧洲MV日韩MV国产| 人人操AV| 丁香五月婷婷激情蜜桃| 79精品视频在线观看,| 操婷婷基地| 色五月天天| a在线观看| 嫩模草| 夜夜爽天天| a久久| 亚洲国产精品VA在线看黑人| 日韩性视频| 激情五月天开心总和网| 天天肏视频| 伊综合蕉| 激情婷婷五月天网址| 91九色中文字幕女在线观看| 性生生活大片又黄又| 任你爽视频| 六月 丁香 视频| 粉嫩AV久久一区二区三区| 丁香五月天黄色片| 五月天另类图片| 九九亚洲| 久/久精品99看9| 丁香六月婷婷色XXXXX| 黑人巨粗进入警花疼哭A片| 91丨九色丨熟女| 国产精品色婷婷AV综合色色| 国产精品色情AAAAA片软件| 久操激情| 激情综合网五月激情网| 九九无码AV| 操人91| 久久九九色| 国产麻豆视频| 99极品视频| 99综合视频一体| 日本三级片片| 免费播放99性爱视频| 天天干天天拍| 99色热视频| 久久这里只有精品热在99| 电影91久久久| 色色影院aaaav| 久久五月天婷婷| 天天网曰日曰夜夜综合永久免费| 91啪级电影| 丁香色色网| 激情AV在线| 亚洲九九视频| 五月丁香色色网| 淫视馆aV二区一区| 婷婷情色五月天| 久久久人人操A V| 米奇影视资源婷婷狠狠色激情欧美五月丁香 | 天天干天天玩天天夜天天射天天操天天日蜜臀少妇 | 激情深爱五月天| 99网址在线看| 激情六月天| 日韩精品一曲二曲三曲四曲五曲| 99热这里精| 99久久国产宗和精品1上映| 亚洲激情AV| 色五月综合激情| 国产激情av| 狠狠插狠狠插| 日本毛片内射| 婷婷丁香18| 99热在线网站| 天天骑天天操| 《丁香激情综合久久伊人久久》影视在线观看 -高清预告手机免费播放 -三妹影院 | 综合久久六月| 99热97美女| 激情色视频| 九九热123| 热的无码综合视频| 激情5月婷婷| 婷婷深爱五月亚洲综合| 精品影院| 综合五月天亚洲婷婷| 丁香成人五月天| 婷婷免费精品视频| 在线观看中文字幕| 久热这里只有精品6官网亚洲| 99精品综合| 五月天色图| 久久这里只有精品8| 婷婷久久婷婷色五月| 99热这里只有精品55| 五月天色婷伊人| 亚洲亚洲人成综合网络 | www久久久久| 久久九九色| 综合性爱网| www激情| 免费AV播放| 99色在线视频| 色综合久久伊伊婷婷五月| 成人午夜视频精品一区| 亚洲九九在线| 五月婷视频在线观看| 99这里只有精品|v| 久久Xx| 丁香久久| 秋霞黄色一级久久| 亚洲亚洲人成综合网络| 欧洲免费视频色| 久久99精品久| 播五月开心婷婷欧美综合| 亚洲av成人在线| 五月天婷婷色| 五月婷婷丁香五月亚洲色| 最新无码专区| 激情五月少妇| 熟女91九色| 天天插天天插天天插天天插| 99在线精品视频免费| 少妇性BBB搡BBB爽爽爽视頻| 天天爽天天干天天| aaaa.黄| 午夜天堂啪啪| 国产阿姨日皮艹逼内射视频| 97在线99| 色色亚洲五月天| 99热日韩| 久久人妻精品| 午夜无码精品色综合久久| 亚州色综合| 日本天天色| 九月婷婷| 色欲色欲久久宗合网| 播五月,色五月,开心五月播放器| 五月天婷婷綜合院| 久9热| 美英法精品无码免费视频| Aα在线免费观看| 色九月婷婷| 婷婷五月天激情亚洲小说| 99久久久精品| 日本精品99| 日本色婷婷五月天成人电影| 久久五月婷综合| 97色天堂| 凹凸探花电影| 香蕉久久五月| 亚州操操| 激情五月六月婷婷综合啪啪| 9|人妻人人操| www.99婷婷| 开心五月婷婷在线视频免费观看| 婷婷五月天你懂的| 人人爱操| 99热这里只有精品最新| 91超碰在线播放| 婷婷在线视频| 激情丁香五月天| 中文字幕乱码亚洲精品一区| 激情五月天婷婷视频| 中文字幕丰满人妻无码专区| 粉嫩AV久久一区二区三区| 狠狠干综合网| 玖玖在线视频福利| 操逼电影免费看| 欧洲亚洲免费视频9| 一个色的综合| 狠狠色五月| 中文字幕乱码亚洲精品一区| 夜夜爽天天爽| 99热这是里只有精品| 99热久97| 中文字幕在线免费观看视频| 五月丁香777| 久久这里在精品视频| 99免费在线视频| 丁香婷婷啪啪| 综合激情视频| 66久久视频在线| 久久人操-久草婷婷-成人AV| 天天操天天插| 久久久久激情网| 99re6热在线精品视频播放速度| 精品无码人妻一区| 成人看片网站| 人人草人| 另类图片激情五月天| 日本色久| 婷婷五月天亚洲丁香| 色九九九九| 五月丁香婷婷激情在线视频| 在线资源av-超碰中文在线-成人AV | 婷婷五月天综合网| 99久久精品视频女神1| www.yw尤物| 亚洲人成网站999综合| 99热超碰在线| 99热99精品| 米奇影视资源婷婷狠狠色激情欧美五月丁香 | 丁香五月婷在线观看| VA五月激情在线| 91超级碰在线| 色婷婷丁香女女| 99热九九热| 精品丁香五月天在线播放| 五月激情婷婷播播网| 4399在线日本A片| 日韩啪图| 五月丁香六月激情网站| 日本色色色| 天天做天天爱天天玩| 成人丁香婷婷五月天| www色婷婷久久综合久色| 91视频五月丁香| 超级碰 久久9| 亚洲深喉aV| 外国碰视频网站97| 色播五月| 婷婷色Av| 欧美久久五月婷婷| 91人人操人人| 午夜丁香六月婷| 婷婷色综合中心站| 欧美成人猛片AAAAAAA| 综合色久| 九九婷婷综合| 天天插综合网| 无码色色| 丁香亚洲婷婷五月| 开心 五月 综合| 91chinese在线| 色综合大香蕉| 久久伊人婷| 久久婷鲁| 五月婷三级片| 99精品网| 99热国产| 中文字幕av在线| 婷婷色片| 婷婷十月激情综合网| 日日操,夜夜撸| 九九亚洲小视频| 亚洲激情99| 久久九九综合| 67194成I人在线观看线路1| 天天搞天天色综合| 操逼巨乳91| 色婷婷aV四虎| 久久99激情五月天| 久热精品免费视频4| 色婷婷丁香花五月天| 精品色色| 少妇性按摩无码中文A片| 婷婷五月天av| 色99视频| 思思热99热| 色婷婷五月在线| 99久热| 五月天六月色| 婷婷久月| 99综合视频| 99色精品| 涩综合婷婷| 播播网色播播| 99超级碰免费视频| 狠狠操狠狠爱| 色色婷婷五月天| 嫩草AV久久伊人妇女超级A | 岛国在线观看91| 69热91天堂|