徑向基函數(shù)神經(jīng)網(wǎng)絡在環(huán)境化學和藥物化學中的應用.pdf

1、定量構效關系(定量結構.活性/性質相關，Quantitative Structure-Activity/Property Relationship)方法已成為國際上一個活躍的研究領域，QSAR/QSPR的研究對象包括化合物的各種生物活性、毒性、藥物的各種代謝動力學參數(shù)和生物利用度以及分子的各種物理化學性質和環(huán)境行為等，研究領域涉及化學、生物、醫(yī)學以及環(huán)境等諸多學科。 QSA/QSPR方法從化合物的分子結構和活性/性質的實驗結果出

2、發(fā)，依據(jù)不同的需要和研究深度，可建立相關的二維(2-D)或三維(3-D)模型，來預測未知化合物的性質、生物活性和生態(tài)學效應等。 本論文從分子結構的定量描述和結構性質定量關系的建立入手，總結了QSAR/QSPR方法在環(huán)境效應評價和藥物設計方面的應用。同時，著重討論了一種機器學習算法：徑向基函數(shù)神經(jīng)網(wǎng)絡(Radial Basis Function Neural Networks，RBFNN)方法建立高效、穩(wěn)定的QSAR模型。

3、 論文第一章介紹了定量構效關系的發(fā)展歷史、基本原理、方法以及研究進展。同時，詳細介紹了RBFNN算法的基本原理并總結了它在近年來的一些重要應用。 論文第二章介紹了QSAR/QSPR方法和RBFNN算法在環(huán)境科學中的應用。近年來，大量化學品廣泛使用在各個領域并排放到環(huán)境中，對人類和生態(tài)系統(tǒng)構成了潛在的毒性危害。用QSAR方法建立模型來預測化合物的毒性效應，為風險評估提供科學依據(jù)。同時，縮短了研究時間并大大降低實驗花費。 1

4、.應用QSPR方法研究了66個有機污染物在生物分配膠束色譜中的保留行為。運用啟發(fā)式方法和RBFNN方法分別建立了這些化合物的結構與其色譜保留值之間的線性和非線性模型。兩種方法的相關系數(shù)(R2)分別為0.8400和0.8642，相應的均方根誤差(RMS)為0.1577和0.1562。通過對兩種模型的穩(wěn)定性和預測能力的比較，發(fā)現(xiàn)所選描述符與保留值存在顯著線性關系，非線性方法對模型的預測能力改善不是很大。 2.QSAR方法用于預測91

5、個有機污染物對小球藻的毒性。用啟發(fā)式方法和RBFNN算法建立了兩種預測模型，它們對測試集預測結果的均方根誤差(RMS)分別為0.4023和0.3124。可以看出，RBFNN模型有很好的預測能力。通過多種方法對所建模型進行評價，包括多樣性分析、應用領域分析和模型的預測能力評估。對所選描述符進行合理解釋，有利于發(fā)現(xiàn)毒性機理，能夠為境評估做出新的貢獻。論文第三章介紹了QSAR方法和算法在醫(yī)學、藥物設計中的應用。簡單描述如下： 1. 應

6、用啟發(fā)式方法和RBFNN算法分別建立了58個非苯并二氮類藥物配體與苯并二氮受體的鍵合親和力的定量結構.活性關系模型。并探討了了影響兩者鍵合的結構因素。預測結果表明，RBFNN性能要優(yōu)于HM。配體的大小、極性、疏水性是影響配體與受體鍵合的主要結構因素。RBFNN模型簡單快捷，在藥物設計中可以用來預測候選藥物的鍵合親和力。 2. 應用多元線性回歸和RBFNN方法分別建立了線性和非線性模型，預測61個4-(3-溴胺)-6，7-二甲基喹