基于遗传算法的黄酮类化合物对PTKs抑制性的QSAR研究

用文献设定的结构参数和本文设定的结构参数,分别与由HyperChem7.5Student Evaluation计算得到的量化参数作为自变量构成2组数据,以逐步回归,遗传算法-偏最小二乘法(GA-PLS)和遗传算法-支持向量机(GA-SVM)等算法就黄酮类化合物对PTKs抑制性进行QSAR研究。用各算法模型处理数据,由本文设定的结构参数构成的数据集获得的预测结果更好,表明采用取代基团类型和取代位置结合的编码参数包含的信息更为丰富,对物质性质的描述更加合理。在各种算法中, GA-SVM模型均具有最佳预测效果,该算法对2组数据作留一法预测处理得到的相关系数R和PTKs抑制性实验值与预测值的平均绝对误差MAE分别为0.7595,0.2871和0.7864,0.2883。研究还表明,GA-PLS和GA-SVM联用算法的预测效果远高于单独使用的PLS和SVM算法;由逐步回归建立的MLR模型对2组数据进行计算处理,尽管拟合时相关系数R分别达到0.8136和0.8250,但作留一法交互验证时却下降到0.7113和0.7354,明显低于GA-PLS和GA-SVM联用算法。     

环境化合物对鱼类毒性的定量构效关系研究

本研究基于定量构效关系方法预测环境化合物对鱼类的毒害(50%Lethal Concentration,LC50),并确定影响毒性关键分子的结构特征及几种模拟方法的比较.构建114个化学分子的数据集,随机选取85个75%分子为训练集,剩下的29个分子作为检验集,每个化学分子计算194个分子参数,分别采用逐步多元线性回归分析法(multiple linear regression,MLR)、主成分回归法(Principal Component Regression,PCA)和偏最小二乘法(Partial Least Square,PLS)构建定量结构-毒害关系(Quantitativestructure-activity relationships,QSTB)模型.用逐步多元线性回归分析法得出的训练集和预测集的实验值-logLC50与预测值-logLC50的相关系数分别为R2tr=0.86,R2te=O.83,说明该模型可靠性和鲁棒性较高;主成分回归法用8个主成分,其训练集和预测集的实验-logLC50与预测-logLC50的R2tr=0.81,R2te=O.77;偏最小二乘法用了5个潜变量,其训练集和预测集的实验-logLC50与预测-logLC50的R2tr=0.88,R2te=0.85.MLR方法得出化合物对鱼类的毒害影响较大的分子参数,主要分属电拓扑状态参数(SssO,SsCl,SdCH2,SsNH2)、分子连接指数(Xvo)以及修正Kappa指数(Ka2).以上研究对预测环境化合物的鱼类毒害(LC50),以及从机理上加深对有机物的毒性作用机理提供重要价值.     

黄酮类化合物PIM-1激酶抑制活性的构效关系研究

为建立黄酮类化合物的PIM-1激酶抑制活性与其物化性质间的QSAR模型,本研究采用密度泛函理论(DFT)中的B3LYP方法,在6-311G**基组上全优化计算17个作为PIM-1激酶抑制剂的黄酮类化合物结构参数,运用SPSS 12.0 for Windows程序,将这些量子化参数作为理论描述符,逐步回归得到预测黄酮类化...     

QSAR/QSPR模型验证方式与预测能力的关系研究

QSAR研究中,判断模型预测能力至关重要。长期以来,模型的预测能力是使用留一法或留k法等内部验证来确定,但在2004年形成的OECD规则中,已明确规定必须使用外部验证集去评价模型的预测能力。为了研究内部验证和外部验证与模型预测能力之间的关系,本文以45种睾酮和二氢睾酮衍生物以及37种萘锟酯衍生物为研究对象,以E-Dragon计算的分子描述符作为自变量,在增n减l算法选择变量的基础上,采用SVM算法对同种物质的不同活性以及不同物质的不同活性建立QSAR模型,研究QSAR/QSPR建模时的不同验证方式与模型预测能力的关系。研究结果表明,模型的预测能力与内部验证结果的好坏无必然联系,而结合外部验证的检验结果则是判断模型预测能力的可靠依据。     

基于QSAR模型研究芳烃化合物对小球藻的抑制活性

芳烃化合物正随着工业的快速发展和溢油事故的频繁发生影响着海洋生态系统的健康,提高定量构效关系（QSAR）模型预测未知芳烃化合物毒性的能力是做好芳烃化合物安全防范措施的任务之一。为建立芳烃化合物物化性质与小球藻抑制活性间的QSAR模型,以实验获取的21种芳烃化合物对小球藻96 h的抑制活性数据为基础,采用密度泛函理论（DFT）中的B3LYP方法,在6-311G^**基组上全优化计算21种芳烃化合物结构参数,运用SPSS 12.0 for Windows程序,将这些结构参数作为理论描述符,逐步回归得到芳烃化合物对藻类抑制活性的QSAR模型。该模型相关系数R²为0.925,交叉验证相关系数q²为0.898,说明所建模型具有良好的预测能力和较强的稳定性;所建模型包含2个参数（分子体积和最正氢电荷）,其中分子体积显著影响了该类化合物对小球藻的抑制活性。     

Assessing the reliability of a QSAR model's predictions

Quantitative structure activity relationships (QSAR) are one of the well-developed areas in computational chemistry. In this field, many successful predictive models have been developed for various property, activity or toxicity predictions. However, the predictive power of models for new query compounds is often not well characterized. The breadth of applicability of models is often not characterized. In other words, with a given QSAR model and a specific query compound to be predicted, can the model be used reliably for the desired prediction? In this study, we assessed the reliability of QSAR models' prediction on query compounds. Our approach, employing hierarchical clustering, was developed and tested using a test dataset containing 322 organic compounds with fathead minnow acute aquatic toxicity as the activity of interest. The hypothesis of the approach was that if a query compound is more similar to the compounds used to generate the QSAR model, it should be predicted more accurately. Thus, the core of the approach is to determine the relationship between the similarity of query compounds to the training set compounds of the QSAR model and the prediction accuracy given by that model. This relationship determination was achieved by comparing the results given by the two major components of the approach: objects clustering and activity prediction. With the resultant information from the two steps, a direct relationship was shown.     

新分子电性距离矢量用于苯取代衍生物QSRR的研究

本实验室新近提出按氢分类分子电性距离矢量(H-MEDV),用于对110个烷基苯气相色谱保留指数和54个二取代苯液相色谱容量因子进行结构表征,运用多元线性回归(multiple linear regression,MLR)以建立定量结构色谱保留关系(QSRR)模型,同时利用逐步回归结合统计检测对模型变量作筛选,建模计算值复相关系数(R_(cum))、留一法(leave-one-out,LOO)交互校验(cross-validation,CV)复相关系数(Q_(LOO)),对上述样本分别为0．9950、0．9937和0．9648、0．9530。研究结果表明,H-MEDV能较好表征该类分子结构信息,值得进一步推广。