取代苯甲醛类化合物的分子结构与溶解度的定量关系

用DFT-B3LYP方法,在较高基组6-311G**水平上对28种取代苯甲醛类化合物进行全优化计算获得了相应量子化学参数,利用线性逐步回归法建立取代苯甲醛溶解度的定量结构-活性相关性(QSPR)模型.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健性,选出了最佳模型,其复相关系数(R2),留一法(LOO)交互检验复相关系数(Rc2v),外部预测样本复相关系数(Re2xt)分别为0.935,0.933和0.842,表明所建立的QSPR模型的稳定性和预测能力良好.结果表明:取代苯甲醛的溶解度lgSW与分子总能量,分子体积,分子最低空轨道能和最负原子的静电荷相关性较好.     

用形状指数研究苯酚类化合物对大型蚤的急性毒性

基于分子拓扑理论，计算了18种取代苯酚的Kier分子形状拓扑指数（^mK）．利用最小二乘法建立了不同pH值下11种取代苯酚对大型蚤急性毒性（pIC50）的QSAR模型，其相关系数（R^2）依次为：0．963（pH=6．0），0．966（pH=7．8），0.846（pH=9．0）．这些模型的计算值与其实验值基本吻合．通过留一法检验及对其余7种取代苯酚类化合物的pIC50值进行预测，结果表明该模型具有良好的稳健性和预测能力．     

含氮杂环化合物理化性质和生物活性的QSPR/QSAR分析

在分子拓扑理论的基础上,计算了含氮杂环化合物的3类拓扑指数:分子连接性指数、形状指数和分子电性距离矢量.利用多元线性回归的方法建立了含氮杂环化合物的疏水性参数(lgP)和对淡水纤毛虫毒性(-lgc)的QSPR/QSAR(定量结构-性质/活性相关)模型,相关系数分别为0.998 1和0.980 6.模型经Jackknife法和逐一剔除法(LOO)交互检验证明具有良好的稳健性和预测能力,为了进一步提高相关系数0.980 6模型的相关性,以模型中的3个参数为人工神经网络输入层,设定3∶3∶1的网络结构,构建人工神经网络(BP)算法模型,相关系数R提升为0.993 3.该模型能很好地预测含氮杂环化合物的理化性质和生物活性.     

取代苯胺类化合物相对甜度的构效关系

将有机化合物分子中的非氢原子分为4类,将不同非氢原子自身及非氢原子之间的关系参数化构建出新的结构描述符,对部分取代苯胺类化合物分子结构进行参数化表达,采用逐步回归(SMR)和多元线性回归(MLR)方法构建化合物结构与相对甜度之间的关系模型.该模型的建模相关系数为0.852,"留一法"交互检验的相关系数为0.706,标准偏差为0.293,表明结构描述符能较好地表征化合物分子的结构特征.根据研究结果推测:取代苯胺类化合物苯环上取代基越多,相对甜度值越大,反之相对甜度值越小.     

人工神经网络和多元回归法预测有机物的生物富集因子

计算了122种非离子性有机物的电性拓扑状态指数En．基于取代基及共轭母体的特征，定义一种新的分子参数——共轭参数B，它们对有机物呈现出良好的结构选择性．将它们与122种非离子性有机物的生物富集因子（IgBCF）拟合，建立令人满意的数学模型：lgBCF=-0．076＋1．006B＋0．077E38＋0．274E9＋0．111E39（n′-122，R-0．966，F-408．35，S-0．401）．通过Jackknife法检验该模型具有总体稳健性，并能较准确估算与预测有机物的生物富集因子．依此4个结构参数作为神经网络输入层结点，采用4：10：1的网络结构，利用BP算法得到一个良好模型，其相关系数R和标准偏差S分别为0．990和0．216，证明该电性拓扑状态指数与共轭参数对于有机物的生物富集因子的预测有效．     

量子化学参数用于苯胺类化合物的QSAR毒性研究

采用了ChemOffice6.0中MOPAC-AMl量子化学法计算了24种苯胺类化合物的6种量子化学参数,其中取17个化合物作为样本集对pEC50进行多元逐步回归分析,得到最佳方程:pEC50=1.647+0.448×logKOW-0.000903×TE+0.001577×HOF,经自由度校正的回归系数R=0.985.应用所建立的QSAR模型验证了苯胺类化合物的EC50值,并通过"Jackknife"法中逐一抽取法进行模型检验,验证了该模型具有很好的稳定性,平均残差仅为0.05个对数单位,小于文献值.经过7个预测样本对该模型进行验证,结果表明该模型具有很好的预测能力,并分析了苯胺类化合物的毒性机理.     

硝基芳烃对斜生栅列藻毒性的定量构效关系研究

用DFT-B3LYP方法分别在ST()-3G,6-31G*,6-311G**基组水平上对25种硝基芳烃化合物进行全优化计算获得了相应量子化学参数,利用线性逐步回归法(LSR)建立硝基芳烃对斜生栅列藻毒性的定量构效关系(QSAR)模型,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健性,选出最佳模型.与此同时,利用人工神经网络误差反传算法(BP网络)建立了非线性QSAR模型.LSR和BP建模的复相关系数(R2),去一法(LOO)交互检验复相关系数(R2cv),外部预测样本复相关系数(R2ext)分别为0.926,0.866,0.843和0.938,0.763,0.843,表明所建立的QSAR模型的稳定性和预测能力良好.结果表明:硝基芳烃对斜生栅列藻的毒性与次最低空轨道能、最正的硝基净电荷和前沿轨道能级差的相关性较好.     

GSK-3抑制剂药效团模型的构建

选择活性跨越0.08～100 000nmol.L-1的8类共30个GSK-3竞争性抑制剂小分子作为训练集,其余490个不同结构和活性的小分子作为测试集.采用Accelrys Discovery Stutio Client 2.5软件,筛选得到由1个氢键受体、1个氢键供体、1个疏水中心、1个环芳香性和1个排除体积组成的最佳模型(Correl=0.900,Config=13.962,Δcost=90.725),采用测试集与分子对接方法对模型进行评价,表明该模型具有较强的预测能力,为进一步的数据库搜索及寻找新型GSK-3抑制剂先导物提供了依据.     

取代硝基苯类化合物生物毒性的拓扑化学研究

在拓扑化学理论基础上,采用新型拓扑指数Tp1,Tp2和分子结构信息指示变量I对35个取代硝基苯类化合物的局部化学微环境进行了结构表征,并对其生物毒性进行了定量构效关系(QSAR)研究.实验结果表明,采用偏最小二乘回归法得到的拓扑模型相关系数R和标准偏差S分别为0.981 8和0.151 6,对35个取代硝基苯类化合物生物毒性实验值与计算值的相对平均误差仅为1.09%.留一检验法(LOO)交互检验测试结果显示,该模型具有良好稳定性和较强的预测能力.     

7种白藜芦醇及其多羟基位衍生物的清除自由基活性机理的理论预测分析

白藜芦醇是一种具有广泛抗氧化活性的多酚类天然化合物,能有效阻断自由基链式反应。为研究白藜芦醇及其相关衍生物的清除自由基的活性机理及性质,本实验设计7种白藜芦醇及其多羟基衍生物结构并构建分子模型,使用Gaussian 09软件通过密度泛函法DFT对7种分子进行量子化学计算。分析发现原子电荷分布图和前线分子轨道图能直观阐述白藜芦醇及其多羟基衍生物的活性基团;羟基位OH电荷差值和前线分子轨道π电子云密度能很好表征各羟基位活性顺序;根据前线分子轨道能级差△E及能隙Egap对照表征预测了白藜芦醇及其多羟基衍生物的活性大小以及各羟基位的活性顺序,其中各羟基的活性顺序4、4’位羟基>3、3’位羟基>5、5’位羟基,且4、4’位羟基位是主要的活性位点,其相应量化参数能作为推测分子抗氧化活性的主要指标。最终预测3,3’,4,4’,5,5’-六羟基反二苯代乙烯是7种白藜芦醇及其多羟基衍生物中抗氧化活性最高的分子结构。通过量子化学计算研究所得结果对高抗氧化活性的白藜芦醇相关衍生物结构的筛选和设计具有理论指导意义。 更多还原     

基于CRBM算法的时间序列预测模型研究

针对受限玻尔兹曼机（restricted Boltzmann machines,RBM）算法对时序数据预测存在抽取抽象特征向量能力较差和梯度下降能力有限的问题,基于CRBM（conditional restricted Boltzmann machines）算法以及信念网络（deep belief network,DBN）模型,构建了一种非线性的CRBM-DBN深度学习模型,并采用高斯分布处理输入特征值和对比散度抽样,用于预测时序数据.实验以浙江省近岸海域赤潮时序数据作为输入特征值,讨论该模型的深度及参数选取,并与经典的深度学习模型RBM、DAE和浅层学习中的BP神经网络进行对比,实验验证CRBM对于赤潮时序数据的预测拟合度要明显优于其他3种模型,该模型可有效用于赤潮类时序数据的趋势性预测.     

细胞周期蛋白依赖性激酶CDK4抑制剂的3D-QSAR研究

采用比较分子场分析法（comparative molecular field analysis，CoMFA）和比较分子相似性指数分析法（comparative similarity indices analysis，CoMSIA），系统研究了57个CDK4酶抑制剂的三维定量结构-活性关系．所建立CoMFA和CoMSIA模型的交叉验证系数q^2值分别为0．656和0．811，非交叉验证相关系数r^2分别为0．954和0．969，都具有较好的预测能力．CoMFA和CoMSIA模型的三维等值图直观地解释了化合物的构效关系，为进一步研究提供了重要依据．     

药物对Caco-2单细胞层穿透性的QSPR研究

Caco-2单细胞层用于模拟或预测体内小肠吸收均较剥离的小肠膜效果好．利用偏最小二乘分析方法研究VolSurf参数与药物透过Caco-2单细胞层的渗透系数之间的定量结构-性质关系（QSPR）,得到较好的结果（r^2—0．95,q^2=0．75）．对其它类药物的预测结果表明,用结构不同的化合物所建立的模型对肽类药物以及同系物分子均有一定的预测能力,但是当分子的求性键多,可能形成分子内氢键时,模型的预测能力大大下降．参数分析表明对Caco-2单细胞层渗透性高的药物分子必须具有合适的氢键给体和受体;分子内局部能量极小值越大,对渗透越有利;在一定范围内体积大且球形性高的分子对渗透有利．     

苯砜基环烷酸酯类对发光菌急性毒性的构效关系

基于化学拓扑理论，计算了28种苯砜基环烷酸酯类化合物分子的Kier连接性指数（^m X ^v p）、Hall电性拓扑态指数（En）．通过最佳变量子集回归，建立了标题化合物对发光菌急性毒性（pEC50，pLC50）与^m X ^v p、E定量构效模型（QSAR）．其最佳二元数学模型的判定系数（R^2）分别为0．961，0．955．其计算值与实验值基本吻合，并经Jackknife的逐一剔除法检验，具有良好的稳健性与预测能力．     

基于空间自回归神经网络模型的空间插值研究

基于空间距离计算的空间自相关权重系数是经典空间插值方法的核心,然而由于空间距离与自相关权重之间复杂的非线性关系,反距离权重（IDW）法和克里金（Kriging）法等传统空间插值方法,在求解权重精准解时存在一定的局限性。由此,利用神经网络超强的非线性拟合能力,通过融合神经网络与空间自回归方法,建立了空间自回归神经网络（SARNN）模型,实现了空间自相关权重的精准计算并将其应用于空间插值研究。为验证SARNN模型的有效性和可行性,采用两类模拟数据及海洋环境数据进行交叉验证,并与IDW法和Kriging法进行精度对比。实验结果表明,SARNN法显著提升了R²、RMSE、MAE、MAPE等统计指标,插值结果明显优于IDW法和Kriging法;同时,SARNN法在空间插值中对突变数据和极值数据的预测较为准确,改善了传统插值方法空间平滑过渡差,易出现“牛眼”、锯齿现象等问题,显著提高了空间插值结果的准确性与合理性。SARNN法提供了一种空间插值的新思路,具有较为广泛的应用价值。     

基于空间自回归神经网络模型的空间插值研究

基于空间距离计算的空间自相关权重系数是经典空间插值方法的核心,然而由于空间距离与自相关权重之间复杂的非线性关系,反距离权重（IDW）法和克里金（Kriging）法等传统空间插值方法,在求解权重精准解时存在一定的局限性。由此,利用神经网络超强的非线性拟合能力,通过融合神经网络与空间自回归方法,建立了空间自回归神经网络（SARNN）模型,实现了空间自相关权重的精准计算并将其应用于空间插值研究。为验证SARNN模型的有效性和可行性,采用两类模拟数据及海洋环境数据进行交叉验证,并与IDW法和Kriging法进行精度对比。实验结果表明,SARNN法显著提升了R²、RMSE、MAE、MAPE等统计指标,插值结果明显优于IDW法和Kriging法;同时,SARNN法在空间插值中对突变数据和极值数据的预测较为准确,改善了传统插值方法空间平滑过渡差,易出现“牛眼”、锯齿现象等问题,显著提高了空间插值结果的准确性与合理性。SARNN法提供了一种空间插值的新思路,具有较为广泛的应用价值。     

组胺H4受体配体的3D-QSAR模型分析

组胺H4受体配体对于治疗哮喘、肿瘤、风湿性关节炎和瘙痒症等疾病具有一定作用.本文对一系列组胺H4受体配体进行了基于VolSurf参数的QSAR建模分析,得到了较好的结果(r2=0.86,q2=0.64),训练集模型对预测集具有良好的预测能力.参数分析表明分子体积与其活性成反比.具有适当的亲水性和较大的局部疏水体积的分子活性较高,分子内亲水区和疏水区具有合适的体积比也很关键,并且亲水区中心距离疏水区中心越远,分子的活性越高.氢键给体与受体的量对活性也有影响.分子平均极化率越高,配体的活性越低.     

基于VolSurf参数的化合物水溶性QSPR分析

利用分子的VolSurf参数预测化合物的水溶解度并阐明有利于水溶解度的主要分子结构特征.被测化合物包括185个共两大系列分子,使用偏最小二乘判别分析和多元线性回归方法在实验数据和分子特征之间建立相关性,均得到较好的结果.以70个化合物所建立的训练集模型对其余115个化合物有较好的预测能力.参数分析表明分子内较大的亲水区域对水溶解度有利;分子质心与疏水区、亲水区之间的不平衡性越高,水溶解度越大;分子量及体积大的分子对其水溶解度不利.     

排序支持的交互数据分类算法及其应用

交互分类是解决数据复杂分类问题的主要手段之一。在现有的大多交互分类系统中,用户能准确识别数据类别,但在有些分类场景中,类别之间的顺序关系更容易被识别,为此,提出一种排序支持的交互数据分类算法。为提升交互分类精度,引入数据的顺序信息,为降低标记难度,提出候选样本推荐策略。另外,提出一种评估分类算法性能的可视化方法,用包含基本车况、交通违法记录、交通事故记录等信息的车辆数据集进行实验验证,将相关车辆分为高危车辆、中危车辆、低危车辆3类,算法的分类结果模型一致度达近98%,验证了方法的有效性。     

乌药化学成分结构参数与色谱保留时间的关系

乌药含有呋喃倍半萜、黄酮、生物碱、挥发油等多种化学成分,具有抗氧化、抗肿瘤及抑菌等活性.为研究乌药化学成分的性质,计算了乌药化学成分的分子连接性指数和电性拓扑状态指数,并筛选分子连接性指数中的⁰X,⁵X和⁵X_c,以及电性拓扑状态指数中的E₁,E₂和E₃,将这6种结构指数作为神经网络的输入层变量,色谱保留时间作为输出层变量,做回归分析,采用6∶5∶1的神经网络结构,构建了预测能力较强的预测模型.该模型总相关系数r_t为0.994 0,训练集相关系数为0.992 9,测试集相关系数为0.997 0,验证集相关系数为0.997 9,利用该模型计算得到的保留时间预测值与实验值吻合度较好,相对平均误差为2.66%.结果表明,乌药化学成分的色谱保留时间与6种结构参数之间具有良好的非线性关系.