AEIV结合AHSI用于饱和脂肪酮类物质的13C NMR谱模拟

应用一种反映分子局部微环境描述子--原子电性相互作用矢量（vector of atomic electronegative interaction,AEIV）和原子杂化状态指数（Atomic Hybridation State Index, AHSI）对饱和脂肪酮类化合物的55种分子中的153个¹³C NMR谱建模模拟,应用多元线性回归方法得到定量结构波谱关系(QSSR)模型的复相关系数R_MM=0.997, 标准偏差为SD_MM=7.155. 采用留一法交互检验的结果是R_CV=0.993,SD_CV=10.195. 并随机抽出三部分分子进行检验,得到的相关系数分别是R_MM1=0.996,R_MM2=0.996,R_MM3=0.999. 研究结果表明使用AEIV和AHSI所建模型预测能力是相当稳定的.     

一组新氨基酸描述子用于肽定量构效关系研究

用主成分分析从20种天然氨基酸0D～3D结构信息中收集到的共1369个描述子变量得到了一组新氨基酸描述子(SZOTT), 将其用于血管紧张素转化酶抑制剂和苦味二肽结构表征并以偏最小二乘法建立定量构效关系模型, 得复相关系数R_CU²分别为0.894和0.908, 留一法交互检验的复相关系数R_CV²分别为0.828和0.736, 估计均方根误差RMS分别为0.331和0.195. 研究结果表明, SZOTT描述子含信息量大, 操作简便, 结构表达能力强, 有望在多肽定量构效关系研究中得到进一步推广.     

强阳离子多孔整体柱用于生物大分子的分离

以乙烯基酯树脂为单体,二甲基丙烯酸乙二醇酯(EDMA)为交联剂,过二硫酸钾为引发剂,泊洛沙姆(PF127)为乳化剂,由原位聚合制备了聚(乙烯基酯树脂-二甲基丙烯酸乙二醇酯)整体柱,柱材由油包水(W/O)高内相比乳液聚合而得。用扫描电镜和压汞法考察了所得整体柱的结构及孔径分布情况。将该聚合物衍生化处理后制成强阳离子整体柱,考察其用于液相色谱中的分离能力。该柱可快速分离鸡蛋清中的溶菌酶,考察了缓冲盐浓度及pH对溶菌酶在柱上保留行为的影响;测定了该柱对溶菌酶的吸附能力,最大吸附量为1.23mg/g。     

原子电性作用矢量用于吡喃糖化学位移计算

从分子二维拓扑结构出发,借助原子电性作用矢量(AEIV)描述原子所处分子微观化学环境,对54种吡喃单糖中共338个等价共振碳原子进行表征并以此建立起用于模拟单糖分子¹³C NMR化学位移三参数多元线性回归方程,所得模型复相关系数为R_cum=0.969 6. 为检验该模型对外部样本集预测能力,采用留一法(LOO)作交互校验(CV)检测,其复相关系数为Q_cum=0.968 7.     

胶束电动毛细管色谱法测定硫酸多粘菌素E药物中的多粘菌素E1和E2

采用胶束电动毛细管色谱法(MECC)对硫酸多粘菌素E药物中的主要成分多粘菌素E1和E2进行了分离,并测定了多粘菌素E1、E2的含量。分别考察了电泳电压、表面活性剂种类、Brij-35(月桂醇聚氧乙烯醚)浓度、乙腈含量、磷酸盐缓冲液的pH值、氯化钠浓度等实验参数对实验结果的影响,从而确定了最佳的分离条件: 电泳电压为10 kV,运行缓冲液为含有30 mmol/L Brij-35、5%(体积分数)乙腈、0.167 mol/L氯化钠的磷酸二氢钠缓冲液(0.01 mol/L,pH 4.1)。在优化的实验条件下,E1和E2得到了较好的分离,分离度达到1.94。以多粘菌素E1为例,柱效和峰面积的日间及日内测定的相对标准偏差(RSD)均小于5%。E1和E2在硫酸多粘菌素E药物中的含量分别为67%和32%。该方法简便、快速、准确、重现性好。     

支持向量机和线性判别分析用于禽流感病毒编码蛋白识别

以支持向量机(SVM)和线性判别分析(LDA)对200条禽流感病毒、100条B型流感和100条C型流感病毒蛋白共400条为训练集样本,从表征序列的200个整体与局部变量中以逐步(stepwise)方法选取24个变量作为LDA模型的输入建立线性识别模型,病毒蛋白总识别率达99.8%,留一法交互检验总识别率为99.4%.从原始200变量中经主成分分析得16个主成分作为SVM的输入,以径向基核函数(RBF)SVM建立非线性识别模型,病毒蛋白总识别率为99.8%,留一法交互检验总识别率为99.2%.以100条禽流感、50条B型流感和50条C型流感病毒编码蛋白质共200条为测试集样本,得LDA模型,对其总识别正确率为95.4%,SVM模型对其总识别正确率为96.5%.识别结果表明,两个模型都可较好识别禽流感病毒蛋白,并且SVM对禽流感病毒蛋白的识别结果优于LDA.     

膦类化合物核磁共振谱化学位移预测

采用离子性指数(INI)、立体效应参数(iε)对291个膦化合物中磷原子进行结构表征,并与其核磁共振磷谱(31P NMR)建立定量结构波谱关系(QSSR)模型。分别利用多元线性回归(MLR)、偏最小二乘回归(PLSR)、人工神经网络(ANN)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,建模计算值、留一法(LOO)交互校验(CV)预测值和外部样本预测值的复相关系数Rcum、QLOO和Qext分别为0.9449,0.9408和0.9338(MLR);0.9421、0.9411和0.9338(PLSR);0.9741、0.9736和0.9471(ANN)。结果表明:INI、iε与31P NMR谱化学位移显著相关。     

将潜因多元建模技术与遗传虚拟筛选模式相结合：改善定量构效关系

提出了改进的定量构效关系（^mmQSAR）研究方法,即认为在知晓配基与受体相互作用模式前提下建立一种较可靠的定量构效关系模型,从而克服了传统做法中仅根据样本集分子自身信息来构建预测模型的某些弊端．将此思路应用于功能肽／蛋白质亲和活性考察,采用遗传算法（GA）筛选虚拟受体结合靶点及相互作用模式,结合偏最小二乘（PLS）潜因多元建模技术,通过交互检验均方根误差（RMScv）作适应度评价函数筛选变化位点和受体残基,完成种群进化以最优个体为最终确定模型,得到一种新颖QSAR方法（^mmQSAR）：基于功能肽／蛋白质作用模式的遗传虚拟筛选（暂称GVSPPC）．该法成功解决了诸多QSAR研究难题,即大多数情况下受体结构未知而难以了解的配基与之结合方式．分别使用生物功能寡肽和多肽体系对GVSPPC加以检验,其结果表明,GVSPPC得到了优于传统方法QSAR结果（Rcu^2〉0．75～0．91,Qcv^2〉0．71～0．86,ERMs为0．19～0．95）且深入阐明配基与受体间作用机理,物理意义较为明确;同时计算选中模式作用能并与样本活性建立PLS模型,以其交互检验均方根误差（ERMSCV）作评价函数完成种群进化．通过大规模迭代直到规定的终止条件或到达最大繁殖代数,以该过程最优个体作为最终确定QSAR模型．     

三维全息原子场作用矢量用于脂肪酸的QSRR研究

采用三维全息原子场作用矢量(3D-HoVAIF)进行结构表征,研究脂肪酸定量结构保留指数关系(QSRR),通过逐步回归(SMR)进行变量筛选,多元线性回归(MLR)建立定量构效关系模型.结果表明,所建模型的复相关系数r为0.998,留一法交互校验(L00-CV)复相关系数rcv为0.983.3D-HoVAIF能较好地表征脂肪酸的结构信息,且所建模型具有较好的稳定性和预测能力.