排序方式: 共有17条查询结果,搜索用时 765 毫秒
1.
2.
利用计算机表示、存储和匹配族性结构面临的一个难题是如何将族性结构展开到一个合适的程度,既能避免过度枚举又包含族性结构应有的信息,本文根据族性结构特点,设计了一个程序用来提取族性结构中的环和环之间的连接片段,然后生成族性结构的分子骨架及相应的还原图,利用SMILES线性编码存储族性结构主要信息,避免了大部分的枚举。 相似文献
3.
在微机上用基团贡献法预测物性 总被引:1,自引:0,他引:1
本文用有机化合物新的结构编码作为与计算机传递结构信息的工具,利用这一工具在微机上用基团贡献加和法对液体化合物的摩尔体积和溶解度参数的预测进行了研究。用FORTRAN77语言编制了有机化合物结构基团自动解析程序和用基团贡献加和法计算液体有机化合物的摩尔体积和溶解度参数的程序。提出了一套新的计算液体有机化合物摩尔体积和溶解度参数的基团贡献参数。计算了一百多个脂肪族化合物和八十多个芳香族化合物的摩尔体积,与文献值相比较,百分标准误差分别为2.41%和0.84%,计算了二十五个化合物的溶解度参数与文献值比较,相对百分误差基本上都在百分之五以内。 相似文献
4.
确定化学结构族性化处理方法研究 总被引:1,自引:1,他引:0
本文提出了一种用确定化学结构检索族性化学结构的方法。利用SMILES线性编码对环原子的识别能力首先将一个确定化学结构拆分成两部分:Ring和Fragment,然后根据Ring和Fragment族性属性描述分别族性化,最后将族性化表示的结构片断重新组装成一个族性化学结构。 相似文献
5.
简要介绍上国际上3个最有代表性的族性结构检索系统(MarkushDARC系统、MAPRAT系统、GENSAL/GREMAS系统)的筛选方法和特点。 相似文献
6.
为实现药物专利的自动分类,本文结合药物专利的特点,研究了机器学习算法如何应用于药物专利分类。将2000余份药物专利按疗效分类,选取其中五类作为训练样本,对每一类提取特征文本,利用向量空间模型将非结构化的文本数字化,用支持向量机、Naive Bayes、RBFNetwork三种机器学习算法,分别测试专利样本的分类,使用5重交叉验证比较了三种算法的查准率(precision)和召回率(recall),结果表明支持向量机的分类效果最好。将机器学习算法应用于药物化学专利分类,有助于提高药物化学专利信息检索的效率。 相似文献
7.
8.
9.
有机化合物新的结构编码法及其应用 总被引:3,自引:0,他引:3
一、前言近年来化学文献和化合物的数量在爆炸性地增长。世界各国纷纷建立用计算机检索的化学文献库,化学物质专利库,化学药品库,物性数据库,光谱数据库等。随着计算机的普及应用,化学家越来越广泛地应用计算机于自己的研究领域中。例如设计新的化学结构与合成路线,根据分子结构予测物性,应用分子模型予报具有给定性质的新化合物等。于是出现了一个新的研究课题,编制一种能被计算机识别的“化学语言”——化合物的结构代码。在这方面国外已有许多学者进行了多年的研究工作。已提出了多种编码方法,重要 相似文献
10.
概述了计算机化学中族性结构信息处理的发展情况,从理论上分析了族性结构匹配检索的策略,提出了族性结构数据库系统一致性和效率两原则,指出提高匹配效率需要找出原始族性结构的最佳展开点,对于建立高效率的族性结构匹配检索系统具有指导意义。 相似文献