基于神经网络的喹诺酮羧酸类衍生物活性研究

喹诺酮类衍生物具有较好的抗菌杀菌能力及抗肿瘤活性,已广泛应用于感染性疾病的治疗。为了研究喹诺酮羧酸类衍生物的活性与分子结构两者之间的定量结构及活性关系(QSAR),基于分子的空间邻接矩阵,使用程序计算了48个喹诺酮羧酸类衍生物的电性拓扑状态指数和电性距离矢量,优化筛选了电性拓扑状态指数的E_1,E_8和电性距离矢量的,M_(26),M_(32),M_(36),M_(81)共6种参数,建立了这些分子的活性与E_1,E_8,M_(26),M_(32),M_(36)和M_(81)共6种参数的多元回归定量构效关系模型。将筛选得到的6种结构参数作为神经网络法的输入层节点,采用6-4-1的网络结构,建立了相对预测精度较高、稳定性较好的神经网络QSAR模型,所得预测活性模型的总相关系数R为0. 992 5,利用所建模型计算得到的喹诺酮羧酸类衍生物活性预测值与相关实验值的相对平均误差仅为0. 87%,两者非常吻合。结果表明,喹诺酮羧酸类衍生物的活性与6种结构参数之间具有良好的非线性关系,基团类型和连接方式是影响喹诺酮羧酸类衍生物活性的主要因素。该研究对高效低毒新型药物的分子设计具有重要的现实意义。     

香水百合头香成分色谱保留指数的人工神经网络预测

基于分子拓扑学理论计算了香水百合头香成分35个化合物的分子连接性指数Xi、电性拓扑状态指数Ej和分子电性距离矢量M_k。采用最佳变量子集回归方法确定了最佳变量组合X_1,E_9,M_9和M_(10),并用这4个变量作为神经网络的输入层单元,建立了香水百合头香成分化合物气相色谱保留指数RI的人工神经网络模型。采用该模型对RI值进行了预测,预测结果与实验值接近,平均相对误差为1.165%。该方法成功预测了化合物的气相色谱保留指数,对于探索色谱保留机理、选择合适的分离条件等有参考价值。     

杜松籽油香气成分的理论分析模型

为研究杜松籽油香气成分的色谱保留指数与结构之间的定量结构-保留相关关系,在分子邻接特性及拓扑理论基础上,计算了65个杜松籽油香气成分的电性拓扑状态指数和分子连接性指数.将其中8种结构参数(~1X、~5X_c、E_1、E_2、E_3、E_5、E_6和E_8)作为结构描述子,引入到与杜松籽油香气成分的色谱保留指数相关的多元回归方程,构建了拟合度高、预测能力强的QSRR模型.将筛选的8种结构参数作为神经网络输入层单位神经元,采用8∶4∶1的网络结构,构建了有较强预测能力的神经网络模型,模型的总相关系数rt为0.9972,色谱保留指数的预测值与文献值的相对平均误差仅为0.88%,2者吻合度令人满意.结果表明杜松籽油香气成分的保留指数与8种结构参数之间有良好的非线性关系,研究结果为杜松籽油在药食两用产品的开发利用方面提供了理论依据.     

含氮杂环类润滑油添加剂抗磨损性能的神经网络研究

为研究含氮杂环衍生物对三羟甲基丙烷油酸酯改性后的抗磨损性能,计算30个含氮杂环衍生物的分子结构指数. 优化筛选其中分子连接性指数⁴X和⁵X、分子形状指数K₃、电性拓扑状态指数E₇、电性距离矢量M₆和M₁₈. 对以上6种结构指数与磨损量度进行回归分析,将分子结构指数作为神经网络的输入变量,磨损量度作为输出变量,采用6∶2∶1的网络结构,建构预测磨损量度能力较强的神经网络预测模型,模型的总相关系数r_t为0.9921. 计算得到磨损量度的预测值与实验值吻合度较好,相对平均误差为0.38%. 从构建的模型可以看出,—CH₃、=CH—、—NH—等基团的数量及连接方式是影响润滑油磨损量度大小的主要因素.     

基于手性电性距离矢量的手性有机酸保留指数研究

将手性指数引入电性距离矢量,建立手性电性距离矢量(cMK).通过多元回归方法研究16种手性有机酸(6种手性羟酸和10种手性氨基酸)的薄层色谱保留指数与cMK的定量构效关系(QSAR),经最佳变量子集回归建立最佳三元数学模型,传统的判定系数为0.909,逐一剔除法(LOO)的交互验证系数为0.856.研究结果表明,该模型具有良好的稳健性及预测能力.根据进入该模型的3个手性电性距离矢量(cM1,cM5,cM15)可知,影响手性有机酸保留指数的主要因素是分子的二维结构特征和分子的手性特征.新建手性电性距离矢量对手性有机酸的保留指数表征是合理且有效的.     

定量构效关系研究中的几个关键技术研究

分子结构参数化是定量构效关系(QSAR)中的关键技术之一.基于二维分子拓扑结构中原子电性及其距离两个基本特征,提出了分子电性距离矢量(Molecular Electronegativity-Distance Vector,MEDV).     

咪唑类ALK5抑制剂的3D-QSAR及分子对接研究

TGF-β信号的异常与肿瘤、肾脏和肝脏纤维化等疾病密切相关,其传导通路中的TypeⅠ受体(ALK5)是针对相关疾病的重要作用靶标蛋白.以候选药物EW7197作为模板分子,构建比较分子场分析(CoMFA)模型和比较分子相似性指数分析(CoMSIA)模型,对61个咪唑类ALK5抑制剂的结构与其活性的相互关系进行分析,得到2个最佳模型的交叉验证系数q~2分别为0.716、0.704,相关系数r~2分别为0.905、0.976;综合2个模型的势能图发现,氢键受体场和疏水场对抑制剂的活性影响最大.应用分子对接探讨了蛋白靶标和抑制剂之间的结合模式以及重要的相互作用.综合3D-QSAR分析和分子对接结果,希望为设计新型高效、低毒的ALK5抑制剂提供科学依据.     

基于密度泛函理论预测苯并咪唑类缓蚀剂的缓蚀效率

为了研究苯并咪唑类缓蚀剂的缓蚀性能,采用密度泛函理论方法,在B3LYP/6-31G基组水平上,计算了20种苯并咪唑衍生物的量子化学参数。得到了苯并咪唑衍生物的配分函数、原子电荷等,并计算了20种苯并咪唑衍生物分子的电性拓扑状态指数。通过最佳变量子集回归分析建立这些化合物缓蚀效率(IE)的定量结构-活性相关性(QSAR)模型。结果显示,配分函数、原子电荷和电性拓扑状态指数直接影响这些化合物的IE,所建QSAR模型具有良好的鲁棒性和预测能力。将上述参数作为神经网络输入层结点,采用4∶2∶1的网络结构,得到1个反向传播神经网络模型,其相关系数为0.976,预测值与实验值的相对平均误差为2.51%。根据构建的QSAR模型设计出了IE显著提高的12种苯并咪唑类化合物分子。     

酚类化合物对硝化颗粒污泥活性抑制的预测模型

基于拓扑理论计算了16种酚类化合物的分子形状指数(mK)以及原子类型电性拓扑状态指数(En).应用多元线性回归及最佳变量子集方法,建立了这些拓扑指数与酚类化合物对硝化颗粒污泥活性抑制的定量结构-活性相关模型.该模型的传统判定系数R2为0.932,逐一剔除法的交叉验证系数R2cv为0.874,通过R2,F,R2Adj,R2cv,VIF,FIT等检验,证明该模型具有良好的稳健性和预测能力.     

RBF网络在取代苯胺和苯酚定量构效关系研究中的应用

采用径向基函数网络模型,对36种取代苯胺和苯酚类化合物的急性毒性进行预测,网络自相容能力和交叉检验结果良好.结果表明:①采用分子连接性指数、线性溶解能关系参数、正辛醇/水分配系数作为输入特征参数的神经网络预测结果优于仅采用分子连接性指数作为输入特征参数的神经网络预测结果;②采用分子电性距离矢量和正辛醇/水分配系数作为输入特征参数的神经网络预测结果优于仅采用分子电性距离矢量输入特征参数的神经网络预测结果.该方法还可望成为对有机化合物其它性质进行预测的一种有效手段.     

饱和醇结构-保留定量相关的人工神经网络模型

以拓扑指数为结构描述符,用基于Levenberg-Marquardt优化的BP神经网络建立了醇类化合物的结构与色谱保留值的相关性模型,用于未知醇类化合物在SE-30和OV-3两根色谱柱上保留指数的同时预测,其学习速率优于文献中普通BP神经网络法,预测准确度与普通BP神经网络法接近,但优于多元线性回归法,因而是一种较好的预测有机化合物气相色谱保留指数的方法.     

基于文化差分进化算法的最小二乘支持向量机及QSAR建模

针对最小二乘支持向量机最佳算法参数难以确定的缺陷,提出了基于文化差分进化算法的最小二乘支持向量机(Cultural Differential evolution Algorithm Least Square Support Vector Machine,CDE-LSSVM)。该算法通过新型的文化差分进化算法优化确定最小二乘支持向量机核宽度参数和惩罚系数,建立具有良好预测性能的模型。同时,针对药物定量构效关系(Quantitative Structure-Activity Relationships,QSAR)模型具有高度非线性、变量之间存在相关性的特征,采用CDE-LSSVM建立HIV-1蛋白酶抑制剂的药物定量构效关系模型。模型具有很好的拟合精度与预测精度,且优于最小二乘支持向量机、BP神经网络和径向基神经网络。     

核偏最小二乘法及其在P-glycoprotein抑制剂设计中应用

介绍了一个新的基于优化推导出的核偏最小二乘(kernel partial least squares.K-PLS)的算法原理和实现步骤.并且给出了利用K-PLS法构建P-糖蛋白(P-glycoprotein,P-gp)黄酮类抑制剂的定量构效关系(QSAR)模型.利用该方法结合几个简单的分子拓扑参数.构建了具有高准确率的预测模型.该模型将有助于P-gp黄酮类抑制剂的虚拟筛选和理性设计.结果证明K-PLS是一个十分稳定可靠的方法,将会在化学计量学领域得到较好的应用和推广.     

三维定量构效关系最新研究进展

在简要回顾了经典的Ｈａｎｓｃｈ方法的基础上，重点讨论了４种典型的３Ｄ－ＱＳＡＲ方法，即分子形状分析（ＭＳＡ）、距离几何学方法（ＤＧ）、比较分子力场分析（ＣＯＭＦＡ）和假想活性位点阵（ＨＡＳＬ）的基本原理，并介绍了人工神经网络在３Ｄ－ＱＳＡＲ的原理和应用     

贝叶斯规整化神经网络预测苯取代物的毒性

利用贝叶斯规整化神经网络(BRNN)研究了59种苯取代的环境毒性和分子结构的关系.建立了基于脂水分配系数和4种量子指数的QSAR环境毒性预测模型.结果表明:该模型的预测性能超过偏最小二乘法(PLS)和逐步线性回归方法,残差分析显示其稳定可靠,有望成为一种良好的苯取代物毒性的环境评价和预测的方法.     

自相关拓扑指数与取代芳烃化合物理化参数的定量关系

采用自相关拓扑指数为分子描述符，研究取代芳烃化合物的水溶解度和脂水分配系数与分子拓扑结构的定量关系，建立了良好的构效关系方程，为研究有机污染物的理化性质、环境行为提供了一种有效的方法．     

启发式方法研究5'-甲硫腺苷核苷酶抑制剂定量构效关系

定量构效关系的研究已成为化学和环境科学研究中的一个前沿领域.对29个甲硫腺苷核苷酶抑制剂的结构进行优化得到描述其分子结构的5类描述符,并选择6个描述符运用启发式方法和RBFNN方法分别建立了描述29个5’-甲硫腺苷核苷酶的结构与其对5’-甲硫腺苷核苷酶的抑制活性之间的线性和非线性QSAR模型.RBFNN模型的训练集、预测集的相关系数(R2)分别为0.9681与0.9126.结果表明,RBFNN模型性能要优于HM模型,具有较好地预测和反映真实情况的能力,这为预测其他类似物的活性和设计新的抑制剂提供了理论依据.     

IBF神经网络电力负荷预测模型研究

运用Matlab神经网络工具箱建立了一个RBF神经网络,依据某地实际的历史电力负荷数据和天气数据作为训练样本和测试样本,进行了考虑历史天气状况因素的电力系统短期负荷的预测和仿真,预测结果平均相对误差较小,满足精度要求,并将此RBF负荷预测模型与BP神经网络建立的短期电力负荷预测模型的预测结果进行了比较,显示了在相同预测条件下,RBF神经网络相比于BP神经网络在电力系统短期负荷预测方面的优越性．     

特高压交流套管尾部均压球结构优化研究

针对套管尾部均压球表面电场分布不均匀、容易发生电晕及绝缘介质击穿的问题,应用三维有限元法,对特高压交流套管的电位电场分布进行了仿真计算,得出套管尾部均压球表面的电场分布不均匀,上、下段弧面的场强较高,中间区域的场强较低.分析了均压球的结构参数对其表面电场分布的影响,并以此确定了均压球结构优化的目标函数.在此基础上,利用神经网络拟合了均压球结构参数与优化目标之间的关系,得到了均压球结构参数的最优解.通过对特高压交流变压器套管尾部均压球结构优化,均压球表面最大电场强度降低了20%,均压球表面电场分布更加均匀,提高了套管尾部闪络电压,且结构简单、易于生产.