烃基酚类化合物对四膜虫毒性的定量结构-活性相关研究

在B3LYP/6-311G*水平上全优化计算了41个烃基苯酚的量子化学参数,连同取代烃基位置编码参数共同表征有机物的分子结构,应用基于预测的模型变量选择方法(VSMP)选择描述子最佳子集,建立了偶极距(μ)和分子平均极化率(α)与烃基苯酚对梨形四膜虫水生毒性pIGC50 两变量线性QSAR模型,模型的相关系数r为0.9434,均方根误差RMSE为0.2548,LOO交叉验证相关系数Q为0.9170,均方根误差RMSV为0.3066;为检验模型的稳定性和预测能力,将41个样本分作了奇数集和偶数集,分别建立了模型,并用y-Randomization方法对全部样本、奇数集和偶数集所建立的模型进行了检验;建立的奇数集和偶数集模型均满足Tropsha研究小组建议的预测能力标准.     

应用近红外光谱和偏最小二乘回归法预测玉米中淀粉含量

以普通玉米籽粒为试验材料,应用偏最小二乘回归法建立了基于近红外光谱数据的测定玉米籽粒中淀粉含量的校正模型。校正模型的校正误差（RMSEC）、交叉检验误差（RMSECV）和预测误差（RMSEP）分别#30．31％、0．42％和0．29％,校正数据集和独立的检验数据集的预测值与实际测定值之间的相关系数分别达到0．9255和0．9310,表明所建立的校正模型具有较高的预测精度和较好的推广性,为玉米籽粒中淀粉含量的快速、无损测定提供了新的途径：     

近红外光谱结合化学计量学快速测定羊栖菜抗氧化活性

基于近红外光谱技术建立了快速、高效的羊栖菜抗氧化活性评价方法。采用紫外-可见分光光度法测定了6批共150个羊栖菜样本的抗氧化活性,包括1,1-二苯基-2-三硝基苯肼（DPPH）自由基清除能力、2,2’-联氮-双-3-乙基苯并噻唑啉-6-磺酸（ABTS）自由基清除能力和铁离子还原能力（FRAP法）。采用NIRS和偏最小二乘法（PLS）建立了3个抗氧化活性指标的定量校正模型,并采用不同光谱预处理方法和竞争性自适应重加权采样（CARS）方法优化模型性能。将校正集相关系数（RC）、预测集相关系数（RP）、校正集均方根误差（RMSEC）和预测集均方根误差（RMSEP）作为校正模型的评价指标。结果表明,3个定量校正模型的预测精度均较理想,RP和RMSEP分别为0.968和2.42%、0.967和0.73%、0.979和3.60μmol/L。基于NIRS和CARSPLS所构建的方法可以成功用于羊栖菜的抗氧化活性测定,具备分析快速、操作简便、经济环保的优点,对保障羊栖菜品质、提升羊栖菜品质控制水平有一定的指导意义。     

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．     

应用近红外漫反射光谱法的猕猴桃品质无损检测北大核心CSCD

应用近红外漫反射光谱技术和化学计量学,研究成熟期猕猴桃内部品质与其近红外漫反射光谱之间的关系。在室温(24±2)℃下,采集猕猴桃赤道区域不同测试部位在4 000~10 000 cm^(-1)范围内的光谱数据,用基于平滑处理、归一化及基线校正的组合式处理方法对原始光谱进行预处理;另应用偏最小二乘(PLS)法、主成分回归法和多元线性回归法等方法分别建立猕猴桃硬度、可溶性固形物含量(SSC)的校正模型。结果表明:采用组合预处理方法和PLS法建立的校正模型精度最高;硬度校正集相关系数R_c、均方根误差RMSEC和预测集相关系数R_p、均方根误差RMSEP达到了0.976 5,0.548 3,0.943 2,0.612 7;SSC校正集相关系数R_c、均方根误差RMSEC和预测集相关系数R_p、均方根误差RMSEP达到了0.916 6,0.539 6,0.901 2,0.619 0;试验结果验证了本法的可行性。     

PDS用于不同温度下的近红外光谱模型传递研究

采用合适的计算方法可降低测定环境对近红外光谱校正模型稳健性的影响。该文以喷气燃料为研究对象,考察了分段直接校正算法对所建模型预测结果的影响,通过选择转移样品数及窗口宽度,建立了最佳的校正模型和光谱转移参数。结果表明,在20℃下建立近红外光谱校正模型,直接预测30℃下喷气燃料的密度,预测集样品均方根误差（RMSEP）为0.2031,而30℃近红外光谱采用分段直接校正算法模型转移后,预测集样品均方根误差（RMSEP）降低为0.1354,预测结果得到明显改善,有效地解决了样品温度对近红外光谱分析结果的影响。     

应用近红外漫反射光谱法的猕猴桃品质无损检测

应用近红外漫反射光谱技术和化学计量学,研究成熟期猕猴桃内部品质与其近红外漫反射光谱之间的关系。在室温(24±2)℃下,采集猕猴桃赤道区域不同测试部位在4 000~10 000 cm~(-1)范围内的光谱数据,用基于平滑处理、归一化及基线校正的组合式处理方法对原始光谱进行预处理;另应用偏最小二乘(PLS)法、主成分回归法和多元线性回归法等方法分别建立猕猴桃硬度、可溶性固形物含量(SSC)的校正模型。结果表明:采用组合预处理方法和PLS法建立的校正模型精度最高;硬度校正集相关系数R_c、均方根误差RMSEC和预测集相关系数R_p、均方根误差RMSEP达到了0.976 5,0.548 3,0.943 2,0.612 7;SSC校正集相关系数R_c、均方根误差RMSEC和预测集相关系数R_p、均方根误差RMSEP达到了0.916 6,0.539 6,0.901 2,0.619 0;试验结果验证了本法的可行性。     

樱桃含糖量的无损检测实验研究

利用便携式可见-近红外光谱仪,研究了600~1100 nm波段内无损检测樱桃含糖量的可行性。以烟台大樱桃为研究对象,采集了每个樱桃的含糖量。利用小波去噪法对光谱数据进行预处理,并用主成分回归分析法(PCR)建立了樱桃含糖量定量分析模型。实验结果为:多尺度小波去噪法滤除了原始光谱中的噪声,同时保留了原始光谱的主要信息;所建立的主成分回归定量分析模型的校正样本集的相关系数(R)为0.9394,校正均方根误差(RMSEC)为0.1384;预测样本集的相关系数(R)为0.9071,预测均方根误差(RMSEP)为0.1495。同时与偏最小二乘回归法(PLSR)所建模型得出的预测结果相差很小。研究表明:应用便携式光谱技术在600~1100 nm范围内无损检测樱桃含糖量具有可行性,为樱桃内部品质的野外在线动态检测提供了理论依据。     

近红外光谱与组合的间隔偏最小二乘法测定清开灵四混液中总氮和栀子苷的含量

应用近红外光谱分析技术结合化学计量学方法, 建立了中药清开灵注射液中间体总氮和栀子苷含量测定的新方法. 首先采用Kernard-Stone法对训练集样本和预测集样品进行分类, 然后应用组合的间隔偏最小二乘法(Synergy interval partial least squares, siPLS)对所得近红外透射光谱进行有效谱段范围的选择以及二者定量校正模型的建立, 并对光谱预处理方法进行了详细的讨论. 所建立的总氮和栀子苷校正模型的预测相关系数(R)分别为0.999和0.708; 交叉验证误差均方根(RMSECV)均为0.023; 预测误差均方根(RMSEP)分别为0.074和0.159; 预测结果表明, 本实验所建方法快速、无损且可靠, 可推广并应用于中药注射液中间体的在线质量控制.     

近红外光谱结合无参数校正增强实现不同年份烟叶总糖含量模型更新

近红外光谱技术因快速、无损等特点,已广泛应用于烟草行业质量快速分析。然而,由于采收时间、环境差异等因素的影响,建立的近红外定量模型在新批次样本中的预测性能通常变差,因此必须对原有模型进行维护和更新。该研究采用半监督无参数校正增强（SS－PFCE）方法,通过约束优化,对主模型的回归系数进行修正。首先建立了2016年烟叶样本总糖含量的原始定量模型,其预测相关系数（Rp）为0.997 8、预测均方根误差（RMSEP）为0.310 8。采用SS－PFCE方法对模型更新后,分别预测2017年、2018年和2020年样本的总糖含量,3个测试集的Rp值比未更新模型提高了0.13%、1.32%和4.29%,RMSEP分别下降了15.26%、58.69%和36.53%。与重新建立的定量分析模型相比,更新后的模型具有更优的预测性能,同时大大降低了建模成本。研究表明,SS－PFCE方法可高效地实现不同年份烟叶样本的模型维护,在实际生产中具有重要的应用价值。     

一种通过水光谱探究木犀草素浓度测定的新方法

采集了一定含水量、不同浓度的木犀草素溶液的近红外光谱,借助于多元分析方法研究了其谱峰变化,建立了一种基于不同浓度木犀草素对水光谱的扰动情况进行木犀草素检测的模型。通过比较不同光谱预处理方法,最终确定采用标准正态变换（SNV）法进行光谱预处理,并以偏最小二乘（PLS）法建立木犀草素的定量预测模型。结果显示,经Kennard-Stone(KS)筛选的模型相关系数R为0.994 7,交叉验证均方根误差（RMSECV）为1.947 8,预测残差（RPD）为4.292 7,说明模型稳健,误差小;预测集样品的预测均方根误差（RMSEP）为2.077 7,回收率为98.0%～105%。结果表明,基于木犀草素对水的近红外光谱的扰动可以进行木犀草素浓度测定。该方法简便、快速,结果准确,为生物活性成分的测定提供了一种新的方法。     

应用遗传算法和PLS的近红外光谱预测玉米中淀粉含量的研究

以普通玉米籽粒为试验材料,在应用遗传算法结合偏最小二乘回归法对近红外光谱数据进行特征波长选择的基础上,应用偏最小二乘回归法建立了特征波长测定玉米籽粒中淀粉含量的校正模型．试验结果表明,基于11个特征波长所建立的校正模型,其校正误差（RMSEC）、交叉检验误差（RMSECV）和预测误差（RMSEP）分别为0.30％、0.35％和0.27％,校正数据集和独立的检验数据集的预测值与实际测定值之间的相关系数分别达到0.9279和0.9390,与全光谱数据所建立的预测模型相比,在预测精度上均有所改善,表明应用遗传算法和PLS进行光谱特征选择,能获得更简单和更好的模型,为玉米籽粒中淀粉含量的近红外测定和红外光谱数据的处理提供了新的方法与途径．     

近红外光谱-径向基神经网络在异烟肼片无损定量分析中的应用

应用异烟肼片粉末的近红外漫反射光谱数据分别结合偏最小二乘法(PLS)和径向基神经网络(RBFNN)建立定量分析模型,并用所建模型对预测集样品进行了预测,结果表明:应用RBFNN所建立的定量分析模型优于PLS模型,相关系数(r)值由0.99593提高到0.99734,交互验证均方根误差(RMSECV)值由0.00523下降到0.00423,预测均方根误差(RMSEP)值由0.00614下降到0.00501。     

近红外光谱测定溶液中甲醇的含量

测量了含微量甲醇(体积分数为0.04%～0.24%)的系列乙醇水溶液的近红外光谱,利用近红外光谱分析建立了预测甲醇含量的定量分析模型。比较了用外部检验法(Test Set-Validation)和交叉检验法(Cross-Validaton)建立的数学模型,研究了使用外部检验法时,校正集和检验集样品数的改变对模型预测结果的影响。结果发现,当校正集样品数为15检验集样品数为6(总样品数为21)时,使用外部检验法建立的数学模型预测结果较好,其校正集的均方根误差和检验集的预测均方根误差(分别为RMSEE和RMSEP)均较小(分别为0.0115和0.0105),而且很接近。结果表明,近红外光谱方法简单,准确而且实用。     

基于小波变换-遗传算法-偏最小二乘的草莓糖度检测研究

采用近红外漫反射光谱分析技术,对草莓糖度进行了无损检测研究。利用便携式近红外光谱仪采集草莓样品在600～1 100 nm波段内的漫反射光谱数据。首先利用小波变换(WT)多分辨率方法对光谱数据进行去噪预处理,然后利用遗传算法(GA)优选特征波长,最后运用偏最小二乘法(PLS)建立草莓糖度的WT-GA-PLS校正模型。该模型校正集的相关系数R_C为0.9395,校正集的均方根误差RMSEC为0.1615,预测集的相关系数R_P为0.9652,预测集的均方根误差EMSEP为0.5042。与全光谱模型(FS-PLS)和小波变换模型(WT-PLS)相比,该模型预测能力更强,稳健性更优。     

THz光谱技术定量分析异丙醇、甲醇、汽油混合物各组分

应用太赫兹时域光谱技术结合偏最小二乘法,定量分析了异丙醇、甲醇、汽油混合物中各组分含量。分析得到的甲醇建模集和预测集均方根误差分别为1.43%和2.07%,相关系数分别为0.9991和0.9980;92号汽油建模集和预测集均方根误差分别为2.38%和1.36%,相关系数分别为0.9975和0.9992;异丙醇建模集和预测集均方根误差分别为1.53%和2.84%,相关系数为0.6467和0.8954。结果表明,方法能够较好地定量分析异丙醇、甲醇、汽油混合物中的甲醇和汽油含量,而异丙醇的分析结果相关系数低。     

浓度分段模型应用于人体血清葡萄糖的FTlR/ATR光谱分析

利用傅立叶变换红外光谱（ FTlR）和衰减全反射（ ATR）技术,建立了人血清葡萄糖的快速定量分析方法。根据葡萄糖水溶液与纯净水差谱得到葡萄糖的指纹吸收波段（1200~900 cm-1）,分别在全谱（4000~600 cm-1）和指纹波段建立偏最小二乘法（ PLS）模型,指纹波段的预测效果明显好于全谱。选择指纹波段后,提出一种根据浓度分段分别建模然后进行组合的建模方法。按照全部样品、低浓度样品、高浓度样品分别建立模型后,根据3个模型进行综合决策。应用独立的检验集对样品进行测试表明,按葡萄糖浓度范围分段建立组合模型的预测效果优于基于全部样品建模的预测效果。对于分段阈值附近的样本,低浓度和高浓度模型的预测效果差别不大。浓度分段组合模型的预测均方根偏差（ RMSEP）和预测相关系数（ Rp ）分别为0.732 mmol/L和0.948。     

氨基酸0D-3D信息得分矢量用于人免疫缺陷病毒蛋白酶裂解位点预测及特异性分析

收集天然氨基酸的1369种0D-3D结构信息参数,经主成分分析得一组新氨基酸描述子——氨基酸0D-3D信息得分矢量,将其用于人免疫缺陷病毒蛋白酶（HIV PR）裂解位点预测,以线性判别分析与支持向量机建模预测HIV PR裂解位点．线性判别分析与支持向量机模型对646个训练集样本的自检验识别、留一法交互验证及对100个测试集样本外部验证的马休斯相关系数分别为0．879和0．911,0．849和0．901,0．822和0．846．经受试者操作特征曲线分析表明,支持向量机对HIVPR裂解位点的预测结果优于线性判别分析．研究显示,氨基酸0D-3D信息得分矢量可进一步用于HIVPR裂解位点预测．     

基于可见/近红外透射光谱的番茄红素含量无损检测方法研究

针对番茄内外部结构特征,搭建了可见/近红外透射检测系统,利用完整番茄透射光谱信息,对番茄红素含量进行无损伤快速检测研究。采集的原始光谱曲线经去趋势(DT)、标准正态变量变换(SNV)、多元散射校正(MSC)、归一化(NOR)、一阶导数(FD)预处理后分别用偏最小二乘(PLS)进行建模分析。其中SNV预处理后的模型效果最好,校正集和验证集相关系数分别为0.9771和0.9504,校正集和验证集均方根误差为0.9711和1.0496 mg/kg。为进一步提高模型的精度和稳定性,采用无信息变量消除法(UVE)、连续投影算法(SPA)、竞争性自适应重加权算法(CARS)3种方法单独或联合处理(UVE-SPA,UVE-CARS),对全光谱进行变量优选。经UVE-CARS处理后番茄红素预测模型效果最好,其校正集和验证集相关系数分别提高至0.9830和0.9741,均方根误差分别降低至0.6919和0.7680 mg/kg。最后,选用25个番茄样品对所建立模型进行了外部验证,UVE-CARS-PLS模型的预测集相关系数为0.9812,预测集均方根误差为0.7071 mg/kg,平均相对误差为4.3%。而作为比较的PLS模型的预测集相关系数为0.951,均方根误差为1.0610 mg/kg,平均相对误差6.0%,相比于全光谱PLS模型,UVE-CARS可以很大程度地简化模型,提高模型精度,降低检测的误差限。结果表明,基于自行搭建的番茄可见/近红外透射检测系统结合光谱处理方法,可以实现对生鲜番茄中番茄红素含量的快速、无损检测,为番茄红素定量检测提供了新方法。     

基于核系数样本选择算法的光谱模型更新

近红外光谱建立的偏最小二乘（PLS）模型的预测能力通常因待测样品的组分或环境条件发生变化,不能很好地预测新样本。该情况下需把新标记样本加入标定集合进行模型更新。但由于旧标定集合中的样本数量大,少量新样本的加入在模型中难以体现。为快速更新模型,该文提出了一种利用核系数选择重要旧样本（Kernel Coefficient Selection,KCS）以减少样本数量的方法,即对旧样本建立核模型,计算各样本在模型中的系数,选择在系数大的样本中加入新样本更新模型。以模拟和豆粕数据集进行实验,对KCS选择部分旧样本加入新样本的模型和全部旧样本加入新样本的模型进行对比。结果显示,KCS选择部分旧样本用于模型更新后,其预测均方根误差分别从更新前的1.165、0.730下降至更新后的0.961、0.654,分别下降了17.5%和10.4%;全部旧样本用于模型更新后,其预测均方根误差分别从更新前的1.110、0.720下降0.980、0.662,分别下降了11.7%和8.1%。实验结果表明,这种挑选部分重要旧样本用于模型更新的方法解决了新旧样本数量失衡的问题,提高了模型的更新速度。