分子对接结合比较分子相似性指数分析用于雌激素类化合物活性预测和分子机理研究

雌激素类化合物通过干扰人和野生动物正常内分泌的功能, 对人和野生动物的健康产生严重的负面影响. 对雌激素类化合物雌激素活性的分子机理和活性预测一直受到广泛的关注. 以44个结构差异较大的化合物为研究对象, 发展了基于雌激素受体(α亚型)结构的比较分子相似性指数分析方法(COMSIA), 研究雌激素类化合物结构与活性的关系, 对雌激素化合物活性进行预测, 建立了相关性显著、预测能力强的定量模型(R² = 0.965, Q²_LOO = 0.599, R²_pred = 0.825). 并且阐明了影响化合物雌激素活性的分子结构特征, 揭示了受体结合腔中起关键作用的氨基酸残基以及这些氨基酸残基与配体化合物作用的具体方式.     

遗传算法结合共轭梯度法改进BP算法人工神经网络用于环境雌激素的QSAR研究

目前应用最广泛的BP人工神经网络存在收敛速度低、有局部震荡的危险. 采用共轭梯度法(CG)改进BP算法, 并且结合遗传算法筛选分子描述符, 用于环境内分泌干扰物的定量结构-活性相关 (QSAR)研究, 有效地克服了以上缺点, 得到了稳健、准确的预测模型, 模型的R² = 0.845, 预测集的q²_pred = 0.81, 均方根误差(RMSE) = 0.688. 所得结果说明这种方法能够为筛选有机物的雌激素活性提供一种迅速、可行的工具.