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。     

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.     

BP网络用于香梨酒香气成分的QSRR研究

采用误差反传前向人工神经网络建立54种香梨酒香气成分的结构与色谱保留之间的定量关系模型(ANN模型).以54种香梨酒香气成分的分子连接性指数和分子形状属性指数作为输入,色谱保留时间作为输出,采用内外双重验证的方法分析和检验所得模型的稳定性和外部预测能力,所构建网络模型的相关系数为0.998、交叉检验相关系数为0.997、标准偏差为0.289、残差绝对值≤1.12,应用于外部预测集,外部预测集相关系数为0.984;而多元线性回归(MLR)法模型的相关系数为0.951、标准偏差为1.33、残差绝对值≤3.08,外部预测集相关系数为0.953.结果表明:ANN模型获得了比MLR模型更好的拟合效果.     

人工神经网络法预测干黄酱挥发性成分保留值

基于分子连接性及邻接矩阵,计算69种干黄酱挥发性成分的分子连接性指数mχt,借助多元逐步回归法优化筛选了其中的结构参数0χ、5χ、3χc和5χpc,将其作为人工神经网络的输入层神经元,采用4∶8∶1的网络体系结构,以BP算法获得预测保留指数的神经网络模型,其相关系数R和标准偏差S分别为0.985和93.301.结果表明,保留指数与0χ、5χ、3χc、5χpc具有良好的非线性关系,BP神经网络方法预测的结果要优于多元回归方法的结果.     

人工神经网络对烷烃同系物气相色谱保留指数的预测

以拓扑指数为结构描述符,用BR神经网络建立了烷烃同系物的结构与色谱保留值的相关模型,预测准确度高,因而是一种较好的预测有机化合物烷烃同系物气相色谱保留指数的方法.     

基于野韭菜挥发性成分的色谱保留指数神经网络预测

为研究野韭菜挥发性成分的性质,预测其色谱保留指数,运用 ＭＡＴＬＡＢ相关自编程序计算得到了野韭菜挥发性成分的分子形状指数和电性拓扑态指数,将这两类参数作为分子结构描述参数,借助多元逐步回归法优化筛选了其中结构参数^２Ｋ、^３Ｋ、^４Ｋ、Ｉ２和 Ｉ６,建立了野韭菜挥发性成分色谱保留指数的 ＱＳＲＲ模型,相关系数为 ０９６３,通过对模型的稳定性和预测能力进行检验,检验的相关系数 ｒ基本也稳定在 ０９６３左右。用这 ５个筛选出的结构参数作为人工神经网络的输入层参数,采用 ５ ２ １的网络神经结构,利用 ＢＰ算法建构神经网络模型,总相关系数达到 ０９９６的优级相关,利用此模型计算得到的预测值与实验值吻合度较为理想,相对平均误差仅为 １６７％,结果显示 ＢＰ神经网络所得结果优于多元线性回归方法。     

烷氧基氯硅烷类化合物气相色谱保留指数与结构关系研究

在分子拓扑化学理论的基础上,根据分子中成键原子的结构特征和所处的化学环境,用分子中原子的平衡电负性对分子图进行着色,在距离矩阵的基础上结合分子中各原子的支化度构建一组新的拓扑指数NPm(m=1,2,3).利用多元线性回归技术建立了烷氧基氯硅烷类化合物的NPm(m=1,2,3)与这些化合物的气相色谱保留指数RI的定量结构/保留相关关系模型(QSRR),并用这种模型对烷氧基氯硅烷类化合物气相色谱保留指数进行预测,结果表明预测结果和实验值吻合较好.     

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.     

硫醚、硫醇色谱保留指数的QSRR研究

研究了硫醚、硫醇在不同极性固定相上色谱保留指数与结构之间的关系,得到了影响硫醚、硫醇化合物Kováts保留指数的四个结构参数:分子极化效应指数MPEI、有效拓扑立体效应指数ETSEI、碳原子个数N及Wiener的路径数P3.并用这4个参数建立定量模型,预测硫醚、硫醇在不同极性固定相上Kováts保留指数,其相关系数均在0.98以上,预测值与实验值较为吻合.表8,参19.     

拓扑指数与路径数预测单硫醚气相色谱保留指数

在分子拓扑化学理论的基础上,根据分子中原子的特性,用分子中原子的平衡电负性对分子图进行着色,在距离矩阵的基础上结合分子中各原子的支化度构建一组新的拓扑指数NPm（m=1,2,3）,利用多元线性回归技术将单硫醚在4种不同极性固定相的气相色谱保留指数与NPm（m=1,2,3）和路径数（P2,P3）建立相应的定量结构-保留关系模型（QSRR）,并用这种模型对单硫醚的气相色谱保留指数进行预测,结果表明预测结果和实验值吻合较好．     

脂肪醇气相色谱保留指数与结构的相关性

根据分子拓扑理论,采用了2个拓扑指数.将这2个拓扑指数用于脂肪醇定量结构-保留关系的研究,发现它们与25种脂肪醇在6种固定相上的气相色谱保留指数存在优良的相关性,表明2个拓扑指数能较好地反映化合物的结构特征.由此得到了新的定量结构-保留关系模型,并建立了6个线性方程,相关系数均高于0.98,在固定相SE-30上的平均相对偏差仅为1.30%.这些方程可用于脂肪醇气相色谱保留指数的预测.     

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。     

食品香味物质分子连接性拓扑指数mP与性质的定量关系

在分子支化度拓扑指数的基础上,定义了一个新的拓扑指数^mP,用其0、1阶拓扑指数⁰P、¹P分别与食品香味物质酯、酮的色谱保留值、香气阈值相关联,建立了食品香味物质酯、酮拓扑指数^mP与色谱保留时间、阈值之间的关系模型,两模型的相关系数（r）分别为0.998、0.975,标准偏差（S）分别为0.020、0.183。通过"留一法"交互检验证明,所建模型具有良好的稳定性和预测能力。     

改进的分子连接性和拓扑指数方法预测硫醚的气相色谱保留指数

在分子拓扑理论基础上，定义原子结构参数αi和βi，由αi建构连接性指数^mL，由βi建构拓扑指数B。研究硫醚在不同极性固定相上的气相色谱保留指数与结构的相关性，建立相应的定量模型，预测了硫醚在4种极性固定相上的气相色谱保留指数，各样本总体所建模型的相关系数均在0．97以上。对硫醚保留指数的计算结果表明，计算值与实验值较为吻合。该法还具有计算简单，物理意义明确等优点．     

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。     

基于分子结构矩阵的二烯烃顺反异构体的QSRR研究

为有效区分二烯烃的顺反异构现象,用分子拓扑图的距离矩阵和邻接矩阵建立了二烯烃顺反异构体的分子结构矩阵,将分子结构矩阵行、列向量的1?范数i?、j?作为分子的结构信息指数用于二烯烃顺反异构体结构物性规律的研究,建立了定量结构-色谱保留关系(QSRR)的数学模型.用92种二烯烃顺反异构体色谱保留指数的实验值做线性回归分析,其复相关系数为0.992;用该模型预测的色谱保留指数与实验值吻合良好.留一法(LOO)交互验证和随机抽样预测结果表明,本文模型具有良好的稳定性和较强的预测能力;同时,本文所建模型参数的物理意义较明确,计算容易,方法可靠实用,易于推广.     

二苯甲酮类化合物对发光菌毒性的神经网络法研究

二苯甲酮类化合物在众多领域得到广泛应用,是非常重要的一种日用化工原料.为了研究二苯甲酮类化合物对发光菌毒性与其结构之间的定量结构-毒性相关关系,基于拓扑理论,计算了14个二苯甲酮类化合物分子的连接性指数(~mX),选取连接性指数(~mX)中的2种结构参数(~2X和~5X_c)作为理论结构描述符,引入与二苯甲酮类化合物对发光菌毒性相关的回归分析中,构建了稳定性较好的QSTR模型,并将这2种连接性指数(~2X和~5X_c)作为人工神经网络法(ANN)的输入层节点,采用2-2-1的神经网络结构,构建了相关性良好的神经网络预测模型,该毒性预测模型的总相关系数r_t达到0.998 3,预测的毒性值与其相应文献值的相对平均误差只有1.60%,两者吻合度较好.结果表明,二苯甲酮类化合物对发光菌毒性与2种分子连接性指数具有良好的非线性关系,利用该模型可为设计毒性低的新二苯甲酮类化合物分子提供指导.     

量子拓扑方法对硫醇的定量构效关系研究

应用密度泛函理论(DFT),在B3LYP/6-31+G(d)水平上对20硫醇的分子结构进行几何优化和量化计算.将量子化学计算的部分结果引入分子的拓扑结构中,构建新型分子量子拓扑指数(QT),与计算所得的量化参数Gibbs自由能(G)、恒容摩尔热容(CV)一起描述硫醇的量子拓扑规律.QT指数不仅能有效地区分硫醇的分子结构,而且能较好的描述硫醇理化性质及色谱保留指数的变化规律.大部分所建模型的相关系数都大于0.99.本文对构建的模型采用留一法(LOO)进行验证,结果表明所构建的模型稳健、合理、有效,该方法有望在物质的QSPR/QSAR研究中得到广泛的应用.     

神经网络对饱和酯气相色谱保留值的预测

用4个量子化学描述符、5个拓扑指数共9个描述符作为神经网络的输入,用这些结构描述符和7种不同固定相上的53种饱和酯的色谱保留值建立了神经网络模型,预测准确度高,因而是一种较好的预测气相色谱保留值的方法.     

脂肪酮的色谱保留指数与拓扑指数的相关性研究

在色谱分析中,应用分子拓扑指数法研究酮类化合物的色谱保留指数,并通过多元回归分析得到了有机分子的拓扑指数与色谱保留指数的良好的相关性,为色谱定性分析提供了信息。