共查询到17条相似文献,搜索用时 78 毫秒
1.
2.
采用分子电性距离矢量(Molecular Electronegativity Distance Vector,MEDV)表征了三嗪类化合物的分子结构,并运用多元线性回归(Multiple Linear Regression,MLR)建立了该类化合物结构与其发光菌和大型蚤毒性的定量结构-毒性相关(Quanti-tative Structure-Toxicity Relationship,QSTR)模型,同时采用留一法交互检验对所建模型进行了分析和验证,建模计算值的相关系数R分别为0.970和0.952,留一法交互检验预测值的相关系数RLOO分别为0.917和0.921,并进一步阐述了结构与毒性之间的关系。结果表明,三嗪环上π电子离域程度减小有利于毒性增加,侧链N上取代基数目增加,化合物毒性减小。为进一步预测该类化合物的毒性,进行药物筛选提供了有效的理论依据。 相似文献
3.
4.
1,2,4-三嗪类化合物具有抗癌、抗病毒、杀虫、抑制中枢神经系统等多种作用。前文用苯甲酰基硫代甲酰胺直接与氨基脲反应,制备了8种新的4,6-二取代-3-酮-5-硫酮-1,2,4-三嗪类化合物(a—h),本文测定了其电子轰击质谱、高分辨质谱及联动扫描质谱,以了解其质谱裂解途径。 相似文献
5.
6.
7.
投影边缘在硝基苯类化合物构效关系研究中的应用 总被引:1,自引:0,他引:1
在三维投影的基础上,对投影的边缘进行了描述,并以其进行了定量结构活性相关研究.实验结果表明,与Am指数、指示变量和量化参数相结合,可使其数学模型得到明显提高.通过人工神经网络对硝基苯类化合物的毒性进行预测,结果令人满意. 相似文献
8.
9.
10.
11.
几类醚化物的水溶性、碱水溶解性和酸解活性 总被引:1,自引:1,他引:0
本文对几类典型醚类化合物的水溶性、碱水(5%的Na2SiO3·9H2O)溶解性和酸解活性进行了初步研究,查阅了这些醚类化合物的水溶性,并测定了其碱水溶解性、临界碱水不可溶醚当量以及在微量酸存在条件下的酸解活性,研究结果表明,对一般醚类化合物而言,当醚键中不含p-π共轭时其临界水不溶醚当量为116,临界碱水不溶醚当量为102;当醚键中含p-π共轭时其临界水不溶醚当量在56-100之间,临界碱水不溶醚当量在56-72之间,这些数据对光/热成像用活性醚化物阻溶/促溶剂的分子设计以及碱显影成像制版具有重大的指导意义。 相似文献
12.
13.
14.
我国对抗高血压药的研究始于20世纪50年代。随着研究的不断深入,抗高血压药物朝着高效、长效、高度心血管选择性、多器官保护作用以及低副作用方向发展,不断在原有化合物模型的基础上对化合物进行结构修饰,发展了单环及多环含氮杂环类抗高血压药物。文章从结构与活性的角度分析了近年来国内外杂环类抗高血压药及其衍生物的构效关系。 相似文献
15.
设计合成了一系列未见文献报道的4-乙氧羰基-1,7-二氢-1-取代苯基-5-(未)取代吡唑啉[5,1-d][1,2,3,5]四嗪-7-酮衍生物, 其结构均经过1H NMR、IR和元素分析表征. 生测结果显示, 与已报道的化合物相比, 它们表现出较好的除草活性. 定量的结构与活性关系研究表明, 它们的除草活性与取代基的立体效应参数和疏水性参数呈现很好的相关性, 相关系数r大于0.8. 当作用对象为油菜时, 化合物的活性可能主要与取代基R1的摩尔分子折射和取代基R2的疏水性参数有关. 当取代基R1的摩尔分子折射参数为1.452时, 相应化合物可能具有对油菜最高的除草活性; 当作用对象为稗草时, 化合物的活性主要与取代基R2疏水性参数和Taft (Es)参数有关. 相似文献
16.
GPR40 受体苯丙酸类激动剂三维定量构效关系研究 总被引:1,自引:0,他引:1
苯丙酸类化合物是G蛋白偶联受体40(GPR40)潜在的生物活性药物。本文基于比较分子力场分析法(Co MFA)和比较分子相似性指数分析法(CoMSIA),分别建立了40个已知活性的GPR40受体苯丙酸类激动剂的三维定量构效关系(3D-QSAR)模型,研究该类激动剂与生物活性之间的关系。CoMFA和CoMSIA模型的交叉验证系数(q~2)分别为0. 527和0. 500,拟合验证系数(r~2)分别为0. 901和0. 860,两个3D-QSAR模型预测值与实验值基本一致,表明模型具有良好的可信度和预测能力。根据两个3D-QSAR模型提供的立体场、静电场、疏水场、氢键供体场和氢键受体场所提供的信息提出优化该类抑制剂结构的药物设计思路,为指导设计更高活性的GPR40激动剂以及GRR40新分子激动活性的预测提供理论依据。 相似文献
17.
Artificial Neural Networks Applied to the Quantitative Structure-Activity Relationship Study of Para-substituted Phenols 总被引:1,自引:0,他引:1
The artificial neural network (ANN) model with back-propagation of error is used to study the quantitative structure-activity relationship of para-substituted phenol derivatives between the biological activity and the physicochemical property parameters. Network parameters are optimized, and an empirical rule for dynamically adjusting the network's learning rate is proposed to improve the network's performance. The results showthat the three-layer ANN model gives satisfactory performance, with f(x)=1/(1+exp(-x)) as the network node's input-output transformation function and the number of hidden nodes 10. The network gives the mean square error (rose) of 0.036 when predicting the biological activity of 26 para-substituted phenol derivatives. This result compares favourably with that obtained by the conventional methods. 相似文献