咪唑类ALK5抑制剂活性的神经网络研究

为建立咪唑类ALK5抑制剂活性的QSAR预测模型,分析了61个咪唑类ALK5抑制剂的分子结构与活性的关系;计算了这些抑制剂分子的分子形状指数、电性拓扑状态指数和电性距离矢量;优化筛选了分子形状指数的K_1和K_3,电性拓扑状态指数的E_(19)、E_(21)和E_(24),电性距离矢量的M_(26)、M_(30)和M_(56),共8个参数.将这8个参数作为人工神经网络的输入神经元变量,活性pIC_(50)作为输出神经元变量,采用8∶4∶1的神经网络结构,获得了令人较为满意的神经网络预测模型,模型的总相关系数r为0.956.pIC_(50)的预测值与实验值较为吻合,平均相对误差仅为0.85%.结果表明,本法建构的神经网络模型具有较强的稳健性和良好的预测能力.研究结果可为合成高活性的抗癌新药提供理论指导.     

基于逻辑Petri网的物流配送系统建模

为了降低建模的难度,更加容易、直观地描述系统的动态过程以及其中的逻辑关系,将逻辑Petri网的建模技术应用于物流配送系统中,对其进行了建模与分析。基于对物流配送系统一般工作流程的分析,比较准确明了地描述了配送系统的动态运作过程,建立了系统的逻辑Petri网模型,并研究了系统的某些重要性质。