Neural Network Based on Quantum Chemistry for Predicting Melting Point of Organic Compounds

采用反向传播神经网络与定量结构-性质关系中量子化学参数相结合的方法测定有机化合物的熔点．11个反映分子间作用力和分子对称性的描述符作为输入变量,通过分子模型和PM3半经验分子轨道理论计算量子化学参数．用260个化合物训练由MatLab方法建立的神经网络,预测了73个化合物的熔点,并与文献中的实验数据进行比较,结果表明这种人工神经网络与定量结构-性质关系结合的方法可以预测有机化合物的熔点,平均绝对偏差5%．     

用PM3量化参数预测多氯代二苯并呋喃的logKow

从现有的PCDFs分子的正辛醇 /水分配系数 (logKow)实验数据出发 ,建立定量结构 性质关系方程(QSPR) .采用G98W程序包中的PM3方法对 13 5个多氯代二苯并呋喃 (PCDFs)分子和二苯并呋喃进行了优化计算 ,作业命令为 #pPM3optfreqscf(conver =9) ,以计算所得的分子轨道能量、碳原子电荷作为PCDFs分子结构描述符 ,运用多元线性回归技术建立了PCDFs的logKow与分子结构描述符的四元方程 ,最优相关系数为 0 .95 0 7,标准偏差为 0 .173 7,经检验该模型的稳健性好 ,并对未有实验数据的 85个PCDFs的logKow进行预测     

部分有机物蝌蚪麻醉活性的预测

基于定量结构-活性相关性（QSAR）原理,研究了49种有机化合物结构与其蝌蚪麻醉活性的内在定量关系。首先应用分子电性作用矢量（molecular electronegativity interaction vector,MEIV）表征49种有机化合物的结构,再采用多元线性回归（MLR）方法建立了相应的QSAR预测模型,最后对所建模型分别进行了内部验证和外部验证。所建模型的复相关系数(Rcum)、留一法(LOO)交互校验复相关系数(RCV)和外部样本校验复相关系数(Qext)分别为0.9415、0.9127和0.9253,证明该模型均具有较高的稳定性和预测能力。