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.     

机器学习方法用于建立乙酰胆碱酯酶抑制剂的分类模型

我们构建了表征乙酰胆碱酯酶抑制剂分子组成、电荷、拓扑、几何结构及物理化学性质等特征的1559个描述符,通过Fischer Score排序过滤和Monte Carlo模拟退火法相结合进行变量筛选得到37个描述符,然后分别用支持向量学习机(SVM)、人工神经网络(ANN)和k-近邻(k-NN)等机器学习方法建立了乙酰胆碱酯酶抑制剂的分类预测模型.对于训练集的515个样本,通过五重交叉验证,各机器学习方法对正样本,负样本和总样本的平均预测精度分别为87.3%-92.7%,67.0%-81.0%和79.4%-88.2%;通过y-scrambling方法验证SVM模型是否偶然相关,结果正样本,负样本和总样本的平均预测精度分别为72.7%-82.5%,41.0%-53.0%和62.1%-69.1%,明显低于实际所建模型的预测精度,表明所建模型不存在偶然相关;对172个没有参与建模的外部独立测试样本,各机器学习方法对正样本,负样本和总样本的预测精度分别为93.3%-100.0%,74.6%-89.6%和86.1%-95.9%.所建模型中,SVM模型预测精度最好,且明显高于其它文献报道结果.     

机器学习方法用于二氢叶酸还原酶抑制剂的活性预测

分别采用支持向量学习机、人工神经网络、调节性逻辑回归和K-最临近等机器学习方法对761个二氢叶酸还原酶抑制剂建立了其活性分类预测模型. 采用组成描述符和拓扑描述符表征抑制剂的分子结构及物理化学性质, 使用Kennard-Stone方法进行训练集的设计, 并用Metropolis Monte Carlo模拟退火方法作变量选择. 结果表明, 支持向量学习机优于其它机器学习方法, 所得到的最优模型具有较好的预测结果, 其预测正确率为91.62%. 说明通过合适的训练集设计及变量选择, 支持向量学习机方法可以很好地用于二氢叶酸还原酶抑制剂的活性分类预测.     

机器学习方法用于选择性环氧化酶-2抑制剂活性预测模型的建立

与传统的非甾体类消炎药相比,选择性环氧化酶-2抑制剂具有无胃肠道粘膜损伤,溃疡和肾功能障碍等严重的副作用,设计选择性环氧化酶-2抑制剂具有重要意义。本文用支持矢量学习机和神经网络两种机器学习方法建立选择性环氧化酶-2抑制剂的活性预测模型,以期为选择性环氧化酶-2抑制剂药物的合成提供先导化合物。我们将467个环氧化酶-2抑制剂用Kennard-Stone方法分为训练集,验证集和独立测试集,对每一抑制剂分子我们计算了463个包含组成描述符和拓扑描述符的分子描述符来表征其分子结构,并通过F-Score方法选取最重要的分子描述符用于分类模型的建立。结果表明,SVM方法通过变量筛选后具有很好的预测能力,其预测正确率达到93.30%。     

人工模拟酶的研究与应用进展

人工模拟酶具有性质稳定、易于制备、环境耐受性强等优点,在某种程度上解决了天然酶易失活、难制备的缺点。本文按照人工模拟酶的分类,综述对比了传统模拟酶与纳米材料模拟酶的研究现状,对人工模拟酶优缺点进行总结分析,并对其应用前景进行了展望。     

碳氢燃料热裂解机理及化学动力学模拟

发动机设计中,燃烧室的热管理问题日益突出.其根源必然涉及到碳氢燃料的化学机理模型.讨论了大分子烃类燃料热裂解反应的反应类型,分析了各反应类型的详细动力学以及对热裂解反应的灵敏度、重要性.根据热裂解反应类型有限和基于物质的一维表示,开发了大分子烃类反应机理的自动生成程序ReaxGen.建立了相应的热、动力学数据库,探讨了如何建立碳氢燃料的详细热裂解化学动力学模型.最后我们建立了正庚烷热裂解反应的详细机理,并用该机理模型模拟预测了产物分布和转化率,理论上计算了热沉值.所得结果与文献结果进行对比讨论.     

基于支持向量学习机的HIV-1蛋白酶抑制剂的活性预测

为了预测人体免疫缺陷蛋白酶抑制剂的活性, 计算了表征分子的组成和拓扑特征的462个分子描述符, 用Kennard-Stone方法和随机方法进行了训练集和测试集设计, 用Monte Carlo 模拟退火方法进行变量筛选, 并分别用神经网络, 逻辑回归, k-近邻和支持向量学习机方法建立了HIV-1蛋白酶的抑制剂模型. 结果表明支持向量学习机优于其余机器学习方法, 用SVM方法所建立的最优模型的最后预测正确率达到98.24%.     

机器学习方法用于激素敏感脂肪酶抑制剂活性预测

对激素敏感脂肪酶,我们构建了表征分子组成、电荷、拓扑、几何结构及物理化学性质等特征的1559个描述符,通过Fischer Score排序过滤和Monte Carlo模拟退火法相结合进行变量筛选得到35个描述符,然后分别用支持向量学习机(SVM)、人工神经网络(ANN),k-近邻(k-NN),连续核密度估计(CKD)和逻...     

BSA在不同形貌氧化锌材料上的吸附热力学

采用高分子模板法合成了4种不同形貌的ZnO,分别为球状颗粒(ZnO NPs)、针状(ZnO NRs)、片状(ZnO NSs)和棒状(ZnO NBs).利用X射线衍射仪(XRD)、扫描电子显微镜(SEM)和能谱仪(EDS)对产物进行了表征.通过傅里叶变换红外光谱仪(FTIR)和圆二色光谱仪(CD)研究了小牛血清白蛋白(BSA)在不同形貌ZnO上的等温吸附规律、吸附热力学和吸附作用机理.结果表明,4种不同形貌的ZnO对BSA的吸附均较好地符合Langmuir等温吸附模型;吸附量随温度的升高略有增加;从热力学参数(ΔG,ΔH,ΔS)可知,吸附反应为自发进行的吸热反应,作用机理主要为氢键和静电作用.从热力学角度,针状的ZnO更有利于BSA的吸附.