排序方式: 共有8条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
微管蛋白对细胞增殖极为重要,现已成为抗癌药物研发的重要靶标之一。针对53个以2,5-二酮哌嗪为基本骨架的微管蛋白抑制剂,分别运用比较分子力场分析(CoMFA)以及比较分子相似性指数分析(CoMSIA)2种经典方法进行了三维定量构效关系(3D-QSAR)研究,并依次建立了相关的模型。CoMFA模型的交叉验证系数q~2为0.642,相关系数r~2为0.996:CoMSIA模型的q~2和r~2,分别为0.725,0.908。模型具有较好的预测能力和较强的稳定性。3D-QSAR模型三维等势图揭示了一些结构特征与抑制活性的关系。我们希望这些研究为该类药物今后的设计和筛选提供可靠的理论依据。 相似文献
4.
蛋白质间的相互作用在信号转导和其他许多生物进程有着至关重要的作用.从20种天然氨基酸的554个物化性质中,单变量建模方法挑选出疏水、静电、立体、氢键4个描述子表征能与人类双载蛋白SH3结构域结合的多肽,预测SH3结构域-肽亲和力.所得描述子并未对变量进行主成分分析(PCA)压缩,且只对氨基酸侧链性质进行结构表征,因此应用这4个描述子并结合多元线性回归(MLR)建模方法对SH3结构域-肽体系进行定量构效关系(OSAR)研究分析域-肽亲和力.测试集的多肽用于模型的验证,内部验证复相关系数(R2)和外部留一法交互验证相关系数(Q2)分别为:0.682,0.650,预测均方根误差(RMSE)为0.528,从模型统计数据可知,QSAR模型预测模型稳定性高,预测能力强.说明这4个描述子物具有更为确切的物化意义,表征过程更加简洁有效且研究效率高的多重优点,并可以拓展预测不同的域-肽体系. 相似文献
5.
基于图像的三维重建是计算机视觉领域中一个重要的研究主题.针对目前深度神经网络无法有效剔除多幅图像对应点中的外点的问题,提出一种鲁棒的深度卷积神经网络,用以从多幅图像对应点中准确地恢复场景的三维射影结构.该网络首先把输入的对应点分为多个不同的子集,每个子集独立地进行射影重建;然后通过权重计算层得到每个射影重建的权重;最后通过合并层对这些不同的射影重建加权求和,得到最终的鲁棒的射影重建.实验结果表明,该网络具有较高的重建精度和很强的鲁棒性. 相似文献
6.
采用比较分子场分析(CoMFA)和比较分子相似性指数分析(CoMSIA)的方法研究氮杂环类CC趋化因子受体5(CCR5)拮抗剂的三维定量构效关系(3D-QSAR),并建立了相应的3D-QSAR模型。结果表明:采用这2种方法建立的3D-QSAR模型对该类化合物具有良好的预测能力(CoMFA:交叉验证系数q~2=0.644,相关系数r~2=0.974;CoMSIA:交叉验证系数q~2=0.553,相关系数r~2=0.822)。根据等值面图分析得出:氮杂环类CCR5拮抗剂的疏水基团及强吸电子基团可以增强其抗病毒活性,有助于设计活性更好的氮杂环类CCR5拮抗剂。 相似文献
7.
8.
应用启发式方法和支持向量机方法建立了114种血管紧张素转化酶抑制剂活性定量构效关系模型,研究了分子结构对抑制剂活性的影响.2种方法均得到了较好的结果,交互检验的相关系数平方分别为0.72和0.82.通过对模型的稳定性和预测能力比较,发现支持向量机建立QSAR模型能够更好地预测血管紧张素转化酶抑制剂活性. 相似文献
1