Stochastic molecular descriptors for polymers. 4. Study of complex mixtures with topological indices of mass spectra spiral and star networks: The blood proteome case

The Quantitative Structure-Property Relationships (QSPRs) based on Graph or Network Theory are important for predicting the properties of polymeric systems. In the three previous papers of this series (Polymer 45 (2004) 3845-3853; Polymer 46 (2005) 2791-2798; and Polymer 46 (2005) 6461-6473) we focused on the uses of molecular graph parameters called topological indices (TIs) to link the structure of polymers with their biological properties. However, there has been little effort to extend these TIs to the study of complex mixtures of artificial polymers or biopolymers such as nucleic acids and proteins. In this sense, Blood Proteome (BP) is one of the most important and complex mixtures containing protein polymers. For instance, outcomes obtained by Mass Spectrometry (MS) analysis of BP are very useful for the early detection of diseases and drug-induced toxicities. Here, we use two Spiral and Star Network representations of the MS outcomes and defined a new type of TIs. The new TIs introduced here are the spectral moments (π_k) of the stochastic matrix associated to the Spiral graph and describe non-linear relationships between the different regions of the MS characteristic of BP. We used the MARCH-INSIDE approach to calculate the π_k(SN) of different BP samples and S2SNet to determine several Star graph TIs. In the second step, we develop the corresponding Quantitative Proteome-Property Relationship (QPPR) models using the Linear Discriminant Analysis (LDA). QPPRs are the analogues of QSPRs in the case of complex biopolymer mixtures. Specifically, the new QPPRs derived here may be used to detect drug-induced cardiac toxicities from BP samples. Different Machine Learning classification algorithms were used to fit the QPPRs based on π_k(SN), showing J48 decision tree classifier to have the best performance. These results suggest that the present approach captures important features of the complex biopolymers mixtures and opens new opportunities to the application of the idea supporting classic QSPRs in polymer sciences.     

脂肪醇生物活性和理化性质的QSAR/QSPR研究

为了研究脂肪醇结构-性质(活性)的定量关系,用相对键长取代拓扑距离,结合距离矩阵,提出了距离调和拓扑指数Te,Te和醇的许多理化性质和生物活性具有良好的相关性.用Te及δ(醇中和羟基相连的碳原子的支化度)与脂肪醇的溶解度、辛醇/水分配系数、急性生物毒性、蒸发热、摩尔磁化率关联,复相关系数分别为0.9955,0.9951,0.9941,0.9964,0.9968,优于文献.同时与脂肪醇的气相色谱保留指数也相关得很好,相关系数为0.9956.结果表明,Te指数可用于醇多种理化性质和生物活性的预测.     

拓扑指数X用于脂肪醇的QSPR研究

为了更好地揭示脂肪醇的各种物理化学性质与结构的关系,通过对100余种饱和脂肪醇分子的拓扑结构特点的研究,提出1种新的拓扑指数X,并运用回归分析方法研究了饱和脂肪醇的沸点(BP)、空腔表面积(CSA)、折光指数(n_D)、光离子化灵敏度(SM),半数致死浓度(LC_(50)),疏水性参数(lgP)和味阀值(poL)等多种物理化学性质与拓扑指数X的相关性,建立了定量结构-性质相关(QSPR)模型。结果表明所建立的QSPR模型方程具有良好的稳定性和预测能力,较好地揭示了这些物理化学性质的变化规律。     

拓扑距离特征指数对多氯联苯的QSPR研究

根据分子拓扑理论,提出1种新的多氯联苯(PCBs)化合物分子中,顶点原子(基团)点价值δ_i的计算方法,据以构建分子的结构参数——拓扑距离特征指数(TDEI);同时考虑分子体积以及氯原子在苯环上的位置和数目对PCBs性质的影响,引入分子体积参数(V_R)和基团定位指数(D),然后,采用多元线性回归法,分别建立了PCBs的正辛醇-水分配系数(lgK_(OW))和水溶解度(-lgS_w)的定量结构-性质相关模型,其相关系数分别达到0.9972和0.9730,均优于前人的工作。利用模型预测另外7个PCBs分子的lgK_(OW)和-lgS_W,预测值与实验值的一致性令人满意。     

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。     

半透膜仪采集空气中多氯联苯采样速度与其结构和性质定量构效关系研究

根据MOPAC2009软件包中PM6算法得到的分子描述符研究半透膜仪(SPMDs)采集大气中多氯联苯(PCBs)采样速度(R_(air))的定量构效关系(QSPR)模型,并分析影响R_(air)的关键因素。以半经验PM6算法得到的分子量子化学描述符作为预测变量,采用偏最小二乘算法(PLS)构建了R_(air)的QSPR模型。根据交叉验证,所得到的最佳模型中PLS成分解释的因变量的累积变异(Q~2_(cum))为0.683,这表明该模型具有良好的预测能力和稳健性。通过外部验证和将实验测得的R_(air)与预测得到的R_(air)进行比较,对所构建模型的稳定性和可靠性进行了验证,结果表明无论是训练组还是预测组,其预测值与实测值间均具有较好的线性关系,线性相关系数均大于0.8376。对PCBs采样速度R_(air)的主要影响因素为PCBs与SPMDs中甘油三油酸酯分子间的相互作用大小和为将PCBs溶解在甘油三油酸酯中形成洞穴所需能量要求。     

部分非共轭聚合物折射率定量结构性质关系研究

对部分非共轭聚合物折射率的定量结构性质关系（QSPR）研究具有重要意义.采用分子电性作用失量表征各个聚合物分子的结构单体,运用多元线性回归建立定量结构性质相关模型,同时用逐步回归结合统计检测筛选模型变量,建立了各个聚合物分子的折射率与其结构间的模型方程.另外使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,这类聚合物模型的复相关系数（Rcum）、留一法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0.916、0.884、0.923.表明用分子电性作用矢量表征非共轭聚合物分子结构信息较好,所建QSPR模型的稳定性和预测能力良好.     

分子拓扑子图编码新方法:估算与预测烷烃热力学函数

在一种新的烷烃分子子图编码方法基础上 ,对烷烃系列 7种热力学函数进行了估计和预测 ,取得了良好结果。对吉布斯自由能ΔGf,原子生成热ΔHatm,气态生成热ΔHf(g) ,液态生成热ΔHf(l) ,热熔Cp,蒸发热ΔHV 和熵S的拟合方程的回归系数分别为 0 9559,1 0 0 0 0 ,0 9965,0 990 5,0 9969,0 9973和 0 992 2。