硫代氨基甲酸酯类衍生物抗HIV-1逆转录酶抑制活性的QSAR研究

采用以MLR为基学习器的Boosting算法模型,对79种硫代氨基甲酸酯类衍生物做抗HIV-1逆转录酶抑制活性的QSAR研究。以E-Dragon软件计算的7组描述符分别为自变量,以化合物的半数效应浓度EC_(50)值为因变量构成7个原始数据集,用PSO算法筛选变量并建立MLR模型。各描述符建立的MLR模型中仅有RDF描述符模型同时通过外部预测和内部验证,故确定以其建立关于硫代氨基甲酸酯类衍生物抗HIV-1逆转录酶抑制活性的Boosting-MLR预测模型。Boosting-MLR模型与MLR模型相比,训练结果的决定系数R~2分别为0.728和0.741,预测结果R~2则分别为0.718和0.667,表明其泛化能力明显增强。对Boosting-MLR模型进一步进行稳定性验证,证明其预测稳定性较高。     

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。     

芳香/杂环磺胺类碳酸酐酶Ⅱ抑制剂的活性定量预测(英文)

对125个磺胺类碳酸酐酶Ⅱ抑制剂的生物活性进行了预测研究。利用ADRIANA.Code软件计算得到了化合物的一系列2D和3D结构描述符,从中选用了12个描述符进行建模。分别用数学随机划分的方法和Kohonen自组织神经网络的方法把数据集划分成两组不同的训练集和测试集。对于这两组不同的训练集和测试集,分别利用多元线性回归(MLR)和支持向量机(SVM)的方法进行建模,共得到4个模型。其中SVM得到的2个模型,训练集的相关系数在0.92以上,测试集预测的相关系数都在0.90以上。所有模型可进一步用于碳酸酐酶Ⅱ抑制剂的虚拟筛选。     

四氢咪唑苯二氮卓酮类抗艾滋病药物定量构效关系的研究

采用三维全息原子场作用矢量(3D-HoVAIF)研究89个四氢咪唑苯二氮卓酮(TIBO)类抗艾滋病药物的定量构效关系(QSAR).分别运用偏最小二乘回归、人工神经网络建模,同时采用内部及外部双重验证的办法深入分析和检验模型的稳定性.PLS与ANN建模的复相关系数(R2cum)、留一法(leave-one-out,LOO)交互校验(cross-validation,CV)复相关系数(Q2CV)和外部样本校验复相关系数(Q2ext),分别为0.802、0.710、0.552和0.871、0.864、0.760.表明用3D-HoVAIF表征TIBO类抗艾滋病药物分子结构信息较好,建立QSAR模型的稳定性和预测能力良好,运用ANN建模优于PLS及前人报道的多元线性回归(multiple linear regression,MLR).     

基于混合选择的GEP算法及其在喹诺酮羧酸类HIV-1整合酶抑制剂活性的QSAR研究中的应用

提出1种混合使用模拟退火和竞赛规则选择算子的改进GEP算法-GEPMS算法。以E-Dragon软件计算、经RM算法筛选得到的7个RDF描述符作为自变量,以抗HIV-1活性IC_(50)值作为因变量,基于GEPMS算法建立关于48种喹诺酮羧酸类化合物的HIV-1整合酶抑制剂活性的QSAR模型。与GEP、GEPSA和v-SVM算法建立的QSAR模型进行比较,本文模型、GEP、GEPSA和v-SVM模型对训练集的计算结果,决定系数R~2分别为0.9667、0.9624、0.9348和0.9711,对验证集的预测结果R~2则分别为0.9565、0.8974、0.9124和0.7656,表明本文的GEPMS模型具有最佳的泛化能力,算法的改进效果明显。     

运用线性和非线性的方法预测烷基苯的沸点和摩尔体积(英文)

本文中建立了几个定量的模型预测80个烷基苯的沸点和79个烷基苯的摩尔体积.每个烷基苯的结构用其分子式得到的6个数字编码来描述.把这6个数字编码作为捕述符,运用多元线性回归,多元非线性回归和人工神经网络地方法来分别建立定量构效关系模犁.模型具有很好的预测性.沸点的3个预测模型,RMS偏差都小于9℃,摩尔体积的3个预测模型的RMS偏差都小于6 cm3·mol-1.     

双酚A型聚碳酸酯快速拉伸过程的分子动力学模拟

本文采用用分子动力学方法研究了双酚A型聚碳酸酯的快速拉伸过程.采用COMPASS力场和NPT系综研究了应力应/变关系、能量/应变关系等.应力-应变曲线的研究结果显示,前"屈服点"和后"屈服点"分别为0.14和0.17,应变≤0.05为"弹性区域".0.14<ε_(xx)<1.05的区域为"塑性区域",ε_(xx)>1.05属于"硬化"区.能量-应力关系的研究结果显示,在应力-应变呈线性关系的"弹性区域",体系的总势能及各势能分量随应变增大发生不规则的波动.为了从能量的角度解释PBC-PC在外部拉伸条件下的应变情况,本文还研究了体系总能量与各能量分项,与应变的关系,对链结构与能量分项的关系进行了讨论.