支持向量机与KStar模型预测细胞色素P450酶催化的氧脱烃反应

分别以支持向量机(SVM)和KStar方法为基础, 构建了代谢产物的分子形状判别和代谢反应位点判别的嵌套预测模型. 分子形状判别模型是以272个分子为研究对象, 计算了包括分子拓扑、二维自相关、几何结构等在内的1280个分子描述符, 考查了支持向量机、决策树、贝叶斯网络、k最近邻这四种机器学习方法建立分类预测模型的准确性. 结果表明, 支持向量机优于其他方法, 此模型可用于预测分子能否被细胞色素P450酶催化发生氧脱烃反应. 代谢反应位点判别模型以538个氧脱烃反应代谢位点为研究对象, 计算了表征原子能量、价态、电荷等26个量子化学特征, 比较了决策树、贝叶斯网络、KStar、人工神经网络建模的准确率. 结果显示, KStar模型的准确率、敏感性、专一性均在90%以上, 对分子形状判别模型筛选出的分子, 此模型能较好地判断出哪个C―O键发生断裂. 本文以15个代谢反应明确的中药分子为验证集, 验证模型准确性, 研究结果表明基于SVM和KStar的嵌套预测模型具有一定的准确性, 有助于开展中药分子氧脱烃代谢产物的预测研究.     

HEPT类化合物的QSAR研究

为定量结构／活性相关性研究提取了量子化学参数,拓扑指数Am,分子连接性指数^mxt及疏水性常数,同时应用正交变换和最佳变量子集算法（Leaps-and-Bonds)进行了变量压缩和选择,进而实施了多元回归分析,并由此结果进行了HEPT类化合物（1－[(2-hydroxyethoxy)methyl]-6-(phenylthio)-thymine derivatives)的结构／活性关系的理论解释,进行了人工神经网络法对于该类化合物的活性预测,其结构明显好于多元回归法。     

拓扑指数与手性化合物构效关系研究

传统的拓扑指数仅考虑原子间的连接关系,不能区分手性信息．故本研究对Am指数与分子连接性指数进行了扩展,并将其用于3-苯基哌啶类手性化合物的构效关系研究．扩展后的拓扑指数构造的数学模型优于用传统的Am指数与分子连接性指数得到的模型．同时进行了变量的两两相关性测试,结果显示所选3个变量之间的相关性较小．通过交叉验证,证明手性拓扑指数所得到的数学模型是稳定的．并进一步运用人工神经网络,得到了满意的结果．