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。     

含能材料分子设计与性能预估研究

本文应用主成分分析(PCA)、遗传算法(GA)等方法进行变量选择确定对含能材料爆轰性能影响显著的分子结构描述符,再用偏最小二乘(PLS)和人工神经元网络等方法建立含能材料预测模型。通过预测模型进行计算,预测密度、爆速、生成焓和爆压等爆轰性能参数。与已知的爆轰性能参数比较,其准确度可达到98%。这说明了模型的准确性,可以用于未知含能材料的爆轰性能的预测。     

运用线性和非线性的方法预测烷基苯的沸点和摩尔体积

以2D-autocorrelation描述符为结构参数,采用PSO和逐步回归的方法进行变量筛选,再结合SVM等机器学习算法对28种苯丙烯盐类化合物对EBV-EA病毒的抑制性活性进行定量构效关系(QSAR)研究.研究结果表明,PSO-v-SVM模型具有最优的模型稳健性和预测效果.由PSO选入的构成该模型的5个2D-autocorrelation描述符为ATS5v,ATS6e,ATS8e,ATS3p,GATS5p;该模型对训练集的拟合和留一法交叉验证结果的相关系数R~2和q_(cv)~2分别为0.986和0.930,对测试集预测结果的相关系数R~2_(ext)达0.955.对5个变量的理化意义的分析表明,极化率、Van der Waals体积和电负性对苯丙烯盐类化合物的抑制性活性影响分别约占57.13%、15.90%和26.97%.     

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).     

雄激素受体干扰物的活性预测模型的研究

目的在于定量预测雄激素受体干扰物活性,并确定最佳建模方法。选择150个分子作为数据集,随机选38个分子作为检验集,其它分子为训练集。每个化合物分子计算了193个分子参数。通过采用多元线性回归和主成分回归等方法,建立数学模型,并用验证集检验了所建模型的预测能力。结果发现逐步筛选法和主成分分析方法所建模型都表现出较强的预测能力(应用于检验集的相关系数分别为R=0.61,R=0.52)。以上研究将有助于新药雄激素受体抑制剂的筛选和开发。     

Modeling structure–activity relationships of prodiginines with antimalarial activity using GA/MLR and OPS/PLS

In the present study, we performed a multivariate quantitative structure-activity relationship (QSAR) analysis of 52 prodiginines with antimalarial activity. Variable selection was based on the genetic algorithm (GA) and ordered predictor selection (OPS) approaches, and the models were built using the multiple linear regression (MLR) and partial least squares (PLS) regression methods. The leave-N-out crossvalidation and y-randomization tests showed that the models were robust and free from chance correlation. The mechanistic interpretation of the results was supported by earlier findings. In addition, the comparison of our models with those previously described indicated that the OPS/PLS-based model had a higher quality of external prediction. Thus, this study provides a comprehensive approach to the evaluation of the antimalarial activity of prodiginines, which may be used as a support tool in designing new therapeutic agents for malaria.