氯代芳烃对戈卑鱼毒性的定量构效关系解析

基于定量结构-活性相关（QSAR）研究氯代芳烃的性质具有重要意义。对22种氯代芳烃化合物进行DFT-B3LYP/6-311G**水平全优化计算。据所得量子化学参数建立氯代芳烃对戈卑鱼急毒性(-IgLC₅₀)的QSAR模型。对训练集样本经逐步多元回归分析后,所建QSAR模型的复相关系数R²及去一法（LOO）交互检验复相关系数R²_cv分别为0.963和0.962,用预测集样本进行了外部预测,所得外部预测样本复相关系数R²_ext和外部预测集交互检验Q²_ext分别为0.968和0.820,表明所建立的QSAR方程具有较好的稳定性和预测能力。模型结果表明:氯代芳烃化合物的毒性与分子总能量（E_γ）、分子体积（V）及分子次最低空轨道能(E_NLUMO)的相关性较好。     

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).     

酯类液体粘度的定量结构—性质相关性研究

采用分子电性距离矢量(MEDV)表征酯分子的结构,研究了MEDV、分子量(M)、温度(T)与酯类液体粘度之间的定量关系,发现这些参数与酯类液体粘度有良好的相关性,分别采用多元线性回归(MLR)和偏最小二乘回归(PLS)进行建模,并采用留一法对模型稳定性进行验证,两种方法建模相关系数、留一法交互检验预测值的复相关系数R、Rcv分别为0.958,0.949(MLR);0.957,0.950(PLS)。结果表明MEDV能较好地表征酯类分子的结构信息,所建QSPR模型具有良好的稳定性和估算能力,有望用来预测酯类化合物缺失的液体粘度值。     

QSAR/QSPR模型中的蒙特卡罗交叉效验评价

介绍了用于QSAR或QSPR模型的蒙特卡罗(Monte Carlo)交叉效验模型评价方法。该方法是采用蒙特卡罗随机思想把数据集随机的分成训练集和预测集来对模型进行交叉效验,从模型的预测能力和预测稳定性两个方面评价模型。通过研究不同代表性的3套化学数据的结果表明,与k-折交叉效验相比,Monte Carlo交叉效验,是一种有效且稳定的QSAR或QSPR模型的评价方法。     

脂肪醛酮的沸点及色谱保留指数定量构效关系的研究

应用密度泛函理论(DFT),在6-31+G(d)水平上对脂肪醛酮的分子结构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(NQT),然后研究脂肪醛酮的沸点量子拓扑化学的变化规律,同时将Nqr与Gibbs自由能(G),恒容摩尔热容(Cv),配分函数(1gQ)结合起来建立脂肪醛酮色谱保留指数的定量模型.其沸点模型相关系数R>0.99,色谱保留指数模型相关系数R>0.98,并用随机抽样法、留一法(LOO)验证,证明所建模型稳健、合理、有效.本文将量子化学方法与拓扑学方法结合起来,使拓扑方法中某些经验数值上升为理论数值,从而推动拓扑化学的进步.该方法有望在物质的QSPR/QSAR研究中推广.     

基于遗传算法的支持向量机预测含能材料密度的研究

基于遗传算法(genetic algorithm,GA)的变量筛选和支持向量机(support vector machine,SVM),提出了一种改进的定量结构-性质相关(quantitative structure detonation relationship,QSPR)建模方法——遗传-支持向量机(GA-SVM),并用其建立含能材料的定量结构-爆轰性能关系(QSDR)模型,此外还应用标准SVM方法建立了QSDR模型,并用这2种模型进行呋咱系含能化合物密度的预测,随机选取85%化合物作为训练集,用来建立模型,其余化合物作为测试集来测试模型的预测能力。预测结果的交互检验的相关系数平方分别为0.9887和0.9885,平均相对误差分别为1.16%和2.12%,表明了2种建模方法的有效性。通过对2种模型的预测能力进行比较,GA-SVM方法建立的QSDR模型能更好地预测呋咱系含能化合物的密度,更利于实际应用。     

顶点特征值用于烷基苯类化合物色谱保留指数研究（英文）

通过分子顶点类型及连接方式,构建了分子顶点特征值用于表征122个烷基苯类化合物的结构,采用多元线性回归(MLR)和偏最小二乘回归(PLS)2种方法构建了烷基苯类化合物结构与保留关系(QSRR)模型。建立的MLR模型及PLS模型的复相关系数(R)分别为0.988和0.987。两模型的估计能力和预测能力经过内部和外部双重检验,对于内部交互校验(CV)的相关系数(R_(cv))均为0.986;对于外部预测的相关系数(R_(test))分别为0.990和0.991。结果表明该构建的顶点特征值有较强的分子结构表达能力,模型具有良好的预测能力与稳定性。这对于有机化合物的定量结构保留关系研究具有一定的参考价值。     

DFT法研究取代芳烃结构与毒性的定量关系

应用密度泛函方法(DFT)在B3LYP/6-311G~(**)水平上全优化计算38个取代芳烃的量子化学参数,结合辛醇/水分配系数研究取代芳烃化合物对发光菌毒性的定量构效关系(QSAR)。对训练集样本经逐步多元回归分析(SMR)后,所建QSAR方程的复关系数R~2及去一法交互检验复相关系数Q_(LOO)~2分别为0.920和0.896,用预测集样本预测外部,所得外部预测样本复相关系数R_(ext)~2和外部预测集交互检验Q_(ext)~2分别为0.870和0.849。模型结果显示:辛醇/水分配系数愈大,即分子疏水性愈强,化合物对发光菌的毒性愈大;取代基的吸电子能力愈强,化合物毒性愈大;前沿轨道能级差愈小,化合物毒性愈大。     

MEDV用于取代苯酚定量构效关系研究

基于定量结构-活性关系(QSAR)研究取代苯酚化合物的性质具有重要意义.分子电性距离矢量(MEDV)是1种描述分子二维结构的拓扑描述子,由4种类型原子间的相互作用得到的10个矢量组成.采用MEDV表征取代苯酚化合物的分子结构,运用多元线性回归技术,同时采用逐步回归结合统计检测对模型变量进行筛选,建立了取代苯酚诱发浮萍萎黄活性、取代苯酚臭氧氧化表观速率常数与MEDV的QSAR模型,继用留一法和外部样本检验模型稳定性能.其复相关系数(R)、留一法(LOO)交互校验复相关系数(Rcv)和外部样本校验复相关系数(Qext)分别为0.9850、0.9621、0.8218;0.8579、0.7621、0.7966.结果表明,MEDV计算简单,对于取代苯酚的结构表征能力较强,所建OSAR模型具有良好的稳定性和预测能力.     

30种多氯有机物的沉积物吸附系数定量结构性质关系研究

研究了30种含氯有机物沉积物吸附系数(Koc)的定量结构性质关系(QSPR)模型。模型的自变量由遗传算法从多个结构描述符中选择得到,校正模型则采用多元线性回归方法建立。应用留一交叉验证及外部测试集验证对所建立的模型进行了检验。留一交叉验证中模型的预测均方相对误差为8.13,外部测试集验证中模型的预测均方相对误差为8.88。这说明所建立模型对于未知样本有较好的预测能力,可用于预测含氯有机物的Koc值;遗传算法结合多元线性回归方法是一种合理可行的建立含氯有机物沉积物吸附系数QSPR模型的方法。     

一些有机锡化合物的QSPR和QSAR研究

应用量子化学HF/3-21G从头算法计算得量子化学参数,研究一些有机锡化合物的定量结构-性质关系和定量结构-活性关系。结果表明:有机锡化合物的正辛醇/水分配系数(logK_(ow))与分子极化率和分子范德华体积有关,而有机锡化合物对巨溞(daphnia magna)的急性毒性,则与分子最高占用轨道能和分子水化能有关,并建成它们的构效关系式。     

基于支持向量机回归的麻醉药毒性的QSPR研究

采用支持向量机回归(SVR)方法研究了39个麻醉药毒性的定量构效关系,基于留一法交叉验证的结果,模型的相关系数为0.970。结果表明,所建SVR模型的精度高于逆传播人工神经网络(BPANN)、多元线性回归(MLR)和偏最小二乘法(PLS)所得的结果。     

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。     

人工神经网络方法与聚乙烯晶体生长速度模型的研究

用结晶温度,聚乙烯分子量,聚乙烯质量分数等参数,再用人工神经网络ANN(artificial neural network)方法以建立聚乙烯晶体生长速度(lnG)的预报模型。其拟合值、预测值与实验值的相关系数分别为0．9920和0．9844,平均相对误差分别为0．3448和0．3304,结果表明,所建立的模型可以用于聚乙烯晶体生长速度的计算机预报,克服了现有物理模型和数学方程无法应用于多个变量的缺点。因此ANN可为聚合物结晶过程的定量预报提供依据,也为ANN在聚合物其他性质的预报方面提供参考。     

修正Cp_EA-PLS用于多环芳烃光解半衰期QSAR的研究

文章讨论了多环芳烃光解半衰期的QSAR模型.运用量子化学软件包以B3LYP/6-311+C(d)方法计算13种PAHs的量子化学描述符,用修正CP统计量作目标函数并用进化算法(EA)选择变量,然后应用偏最小二乘(PLS)方法给13种PAHs的光降解活性进行建模,模型的相关系数为0.9719,比直接用PLS方法所得到的模型更优越.结果表明模型预测PAHs的光解半衰期有效.     

Application of Cascade Correlation Networks for Structures to Chemistry

We present the application of Cascade Correlation for structures to QSPR (quantitative structure-property relationships) and QSAR (quantitative structure-activity relationships) analysis. Cascade Correlation for structures is a neural network model recently proposed for the processing of structured data. This allows the direct treatment of chemical compounds as labeled trees, which constitutes a novel approach to QSPR/QSAR. We report the results obtained for QSPR on Alkanes (predicting the boiling point) and QSAR of a class of Benzodiazepines. Our approach compares favorably versus the traditional QSAR treatment based on equations and it is competitive with ad hoc MLPs for the QSPR problem.