基于人工神经网络研究芳胺喹唑啉衍生物的抗胃癌活性

基于分子电性距离矢量(M_t)表征21个芳胺喹唑啉衍生物的分子结构,并与其对人胃癌细胞的抗癌活性(pI)关联。通过最佳变量子集回归方法建立上述化合物抗胃癌活性的三参数(M_(15)、M_(18)、M_(82))定量构效关系模型。其交叉验证系数(R_(cv)~2)、非交叉验证系数(R~2)依次为0.386和0.737。通过R、R_(cv)~2、V_(IF)等检验,模型具有较好的相关性、稳健性和预测能力。结果显示,-CH_2-、-CH、-O-、-S-和-NH-等分子结构单元直接影响这些化合物的抗胃癌活性。将M_(15)、M_(18)、M_(82)作为人工神经网络的输入层结点,采用3∶3∶1的网络结构,利用BP算法获得了令人满意的pI模型,其R~2和标准偏差S_D分别为0.992和0.080,表明pI与三参数呈现优异的非线性关系。     

基于电性距离矢量研究多氯联苯生物降解速率常数

通过多元线性回归和人工神经网络方法建立66种多氯联苯生物降解速率常数(K1)的定量构效关系(QSAR). 基于电性距离矢量(Mk),建立了lnK1的最佳三参数(M91、M25和M15)线性模型,其传统相关系数(R2)、交叉验证系数(Rcv2)分别为0.833、0.809。经R2、Rcv2、VIF、FIT、AIC检验,所建模型具有较强的稳定性和良好的预测能力. 将M91、M25、M15作为人工神经网络的输入层结点,采用3:10:1的网络结构,利用BP算法获得了一个令人满意的lnK1模型,训练集、验证集、测试集和总体的R2依次为0.991、0.995、0.997和 0.993。与多元线性回归模型相比,非线性lnK1-BP模型具有更好的预测能力。这两种回归方法相辅相成,线性回归方法为神经网络模型提供了具体的物理解释,而神经网络方法为线性模型提供了更准确的预测结果。