基于QSAR模型的有机磷化合物毒性预测

随着有机磷化合物(OPs)的广泛应用,其在越来越多的环境介质中被检测出来。大多数OPs具有毒性,但人们缺乏快速且有效的预测手段来对毒性进行评估。本文将结合E-Dragon软件计算的分子描述符,采用不同的QSAR模型对36个OPs的毒性进行预测。文中采用后退法作为描述符筛选方法,以均方根误差(RMSE)作为评价标准,共找到14个对线性核函数支持向量机(SVM)模型贡献较大的描述符;在最终得到的SVM模型交叉验证结果中,计算值与实际值的相关系数为0. 913,均方根误差为0. 388;外部测试验证结果中,平均相对误差为9. 10%。此外,采用多元线性回归(MLR)、人工神经网络(ANN)以及偏最小二乘回归(PLS)模型对OPs的毒性进行预测,交叉验证结果显示,三个模型的计算值与实际值的相关系数分别为0. 878、0. 686与0. 620,没有SVM模型的预测能力好。因此采用线性核函数的SVM模型对OPs进行毒性预测是一个行之有效的方法。     

Bagging偏最小二乘和Boosting偏最小二乘算法的金银花醇沉过程近红外光谱定量模型预测能力研究

建立金银花醇沉过程中稳健的近红外光谱( Near infrared spectroscopy,NIR)定量模型,为金银花醇沉过程的快速评价提供方法。研究基于金银花醇沉过程绿原酸的 NIR 数据,通过建立 Bagging 偏最小二乘(Bagging-PLS)模型、Boosting偏最小二乘(Boosting-PLS)模型与偏最小二乘(Partial Least Squares,PLS)模型,实现对模型性能比较;在此基础上,采用组合间隔偏最小二乘法( Synergy interval partial least squares,siPLS)和竞争自适应抽样( Competitive adaptive reweighted sampling,CARS )法分别对光谱进行变量筛选,建立模型,实现了对模型预测性能的考察。实验结果表明, Bagging-PLS和Boosting-PLS(潜变量因子数设为10)的预测性能均优于 PLS 模型。在此基础上,两批样品采用 siPLS 筛选变量,第一个批次金银花筛选波段820~1029.5 nm和1030~1239.5 nm,第二个批次金银花醇沉筛选波段为820~959.5 nm和960~1099.5 nm;采用CARS方法变量筛选,两批样品分别选择5折交叉验证和10折交叉验证,取交叉验证均方根误差( RMSECV)值最小的子集作为最终变量筛选的结果。经过变量筛选的两批金银花醇沉过程中的绿原酸含量Bagging-PLS和Boosting-PLS模型的预测均方根误差(RMSEP)值降低了0.02~0.04 g/L,预测相关系数提高了4%~5%。综上,Baggning-PLS和Boosting-PLS算法可作为金银花醇沉过程NIR定量模型的快速预测方法。     

一种新多肽表征方法及支持向量机用于肽HPLC定量结构-保留建模预测

从20种天然氨基酸的1369种性质参数经主成分分析得出一种新多肽序列表征方法——SZOTT. 将其用于71个不同长度肽序列表征, 以偏最小二乘(PLS)和支持向量机(SVM)建立定量结构-保留模型(QSRM). 研究表明, SZOTT能够较好表征71个肽序列特征, 其含信息量大且易操作, 与PLS相比, SVM对lgk建模预测表现出较强的拟合能力和良好外部预测能力, SZOTT表征方法和SVM建模可进一步用于肽HPLC保留行为研究.     

近红外光谱法应用于奥美拉唑含量分析

基于近红外光谱分析技术建立奥美拉唑定量分析方法.以高效液相色谱法作为参考方法,采用偏最小二乘法(PLS)对同一厂家不同批号的奥美拉唑肠溶胶囊建立校正模型,所建模型相关系数(R)为0.978,校正均方差(RMSEC)为0.0899,交叉验证均方差(RMSECV)为0.182,校正模型的预测均方差(RMSEP)为0.161...     

近红外光谱法同时测定黄芪精口服液中黄芪多糖和黄芪甲苷的含量

应用傅立叶变换近红外光谱仪透射光谱技术对黄芪精口服液中黄芪多糖(APS)和黄芪甲苷(AGS)的含量进行检测分析,采用偏最小二乘回归法(PLS)建立了黄芪精口服液中APS和AGS含量近红外数学校正模型.通过内部交叉验证,确定了模型的最佳变量数,得到了建立模型的最佳参数,并通过预测集对模型进行了外部验证.黄芪多糖的相关系数...     

应用分子图形学、分子力学、量子化学及静电势研究农药分子结构与性能关系(ΧⅢ)──用比较分子力场方法研究4-肟醚基喹唑啉类化合物的结构与抗烟草花叶病毒活性的三维构效关系

应用比较分子力场分析 (Co MFA)方法研究 4 -肟醚基喹唑啉类化合物抗烟草花叶病毒活性的三维构效关系 (3 D-QSAR) ,引入分子的摩尔折射率 (MR)和偶极矩 (DIPOLE)分别作为 Co MFA的第三和第四个场 .在此基础上进行偏最小二乘 (PLS)分析 :交叉验证 (leave-one-out)结果为 r2cv=0 .4 43 ,非交叉验证 (novalidation)结果为 r2 =0 .93 2 ,说明所建立的模型有较好的可靠性 ,并且在三维等值线图的基础上得到了一个此类化合物的模拟作用模型 ,据此可生长出一系列先导分子     

激光诱导击穿光谱检测青菜中镉元素的多变量筛选研究

利用激光诱导击穿光谱(LIBS)技术与常规化学分析方法获取28个浓度梯度含Cd元素的青菜样品的LIBS谱线信息以及Cd含量信息.对获取的光谱信息结合标准归一化处理(SNV)、一阶导数(FD)、二阶导数(SD)、中心化处理(Center)作为偏最小二乘法(PLS)模型的优选方法;再根据4种预处理方法的预测结果选取最佳方法,同时将该方法作为间隔偏最小二乘法(iPLS)与联合区间间隔偏最小二乘法(SiPLS)优选青菜LIBS谱线的最佳波长区间.结果表明:通过SiPLS优选的特征波长区间分别为214.72 ～ 215.82 nm,215.88～ 216.97 nm,225.08 ～ 226.35 nm,并且经过中心化预处理后建立的验证模型效果最好,结果显示交叉验证均方根误差(RMSECV)为1.487,验证均方根误差(RMSEP)为1.094,相关系数(R)为0.9942,平均相对误差(ARE)为11.60％.研究结果表明,所选优化方法适合青菜中重金属Cd元素的LIBS校正模型的建立,且具有较好的预测效果.     

不同偏最小二乘法在化学需氧量近红外光谱特征波段选择中的应用

通过近红外光谱法对生活废水样本中的化学需氧量(COD)进行分析,将全谱波段等分为30、20、15、12个子区间,选用间隔偏最小二乘法(iPLS)、后向间隔偏最小二乘法(BiPLS)以及前向间隔偏最小二乘法(FiPLS)建立COD光谱特征波段的选择。结果显示:全波段所建立的PLS模型最差,iPLS、FiPLS、BiPLS模型均有所改进,且BiPLS算法的模型最好。当全波长分为30个子区间时,所选特征波段第22、18、23、25、24、4、2、19、17组合区间建立的模型为最佳,其预测集标准偏差(RMSEP)与交叉验证均方差(RMSECV)分别为15.9mg·L-1和16.8mg·L-1。     

TIBO衍生物类抗艾滋病药物三维定量结构活性关系研究

采用三维全息原子场作用矢量(3D-HoVAIF)对20个TIBO类衍生物抗艾滋病药物进行定量构效关系(QSAR)研究。运用偏最小二乘回归(Partial Least Square Regression,PLS)建模,同时采用内部及外部双重验证的办法对所得模型稳定性能进行深入分析和检验。PLS建模的复相关系数(Rcum)、留一法(Leave-one-out,LOO)交互校验(Cross-validation,CV)复相关系数(QCV)和外部样本校验复相关系数(Qext)分别为0.837、0.804、0.812。结果表明,3D-HoVAIF能较好表征TIBO类衍生物抗艾滋病药物分子结构信息,     

基于分子相互作用力场分析的多氯代二苯并二噁英定量结构-色谱保留关系

提出了基于分子相互作用力场(MIF)、应用偏最小二乘(PLS)与多区组偏最小二乘(MBPLS)分析相结合,建立并检验多氯代二苯并二噁英(PCDD)定量结构-色谱保留关系(QSRR)模型的研究方法。分别以表征van der Waals、氢键和疏水效应的C3、H和DRY探针,计算75种PCDD的分子相互作用力场,并与其气相色谱Kov偄ts保留指数进行PLS与MBPLS分析,建立了拟合与预测效果良好的QSRR模型。其中MBPLS模型相关系数r2为0.998;交叉验证的相关系数q2为0.994。采用投影变量重要性方法判断了各种效应在PCDD色谱保留中的贡献。结果表明:van der Waals作用的影响最大,其次为疏水效应,而氢键效应影响较小。     

基于支持向量学习机方法的人体小肠吸收药物活性的预测

为了预测分子在人体小肠中的吸收，本文计算了表征分子的电子、拓扑、几何结构、分子形状等特征的102个分子描述符，用遗传算法变量选择方法使描述符减少到47个。体系共包含了230个化合物分子，69个不能被吸收(mA-)，161个可以被吸收(HIA )。对建立的SVM模型，用5重交叉验证和独立测试集进行验证，预测正确率分别达到79．1％和77．1％，结果具有较好的一致性。在模型验证中，通过聚类分析方法组合训练集和测试集，保证了模型的稳定性，提高了建模效率。     

基于支持向量机方法的HERG钾离子通道抑制剂分类模型

对human ether-a-gō-gō related genes(HERG)钾离子通道(钾通道)抑制剂,计算了表征分子组成、电荷分布、拓扑、几何结构及物理化学性质等特征的1559个分子描述符.采用Fischer Score(F-Score)排序过滤和Monte Carlo模拟退火法相结合从中筛选与HERG钾通道抑制剂分类相关的分子描述符.采用支持向量机(SVM)方法,分别以IC50=1.0、10.0μmol·L-1为分类标准,建立了三个分类预测模型.对367个训练集分子,用五重交叉验证.得到正、负样本的平均预测精度分别为84.8%-96.6%、80.7%-97.7%,其总的平均预测精度为87.1%-97.2%,优于其它文献报道结果.对97个外部测试集分子,所建三个模型的总样本预测精度在67.0%-90.1%之间,接近或优于其它文献报道结果.