多變量圖像解析與定量結(jié)構(gòu)活性相關(guān)性研究的化學(xué)計量學(xué)新算法.pdf

1、本論文通過對多變量圖像解析和定量結(jié)構(gòu)與活性相關(guān)性研究這兩個領(lǐng)域中的一些難點問題的研究，提出了幾種新型的化學(xué)計量學(xué)算法。 1．提出了一種結(jié)合空間相關(guān)性的多變量圖像分割新方法——空間導(dǎo)向凝聚法。該方法核心思想在于將光譜相似性較大且空間最相近的點分割為一個聚類，同時引進了一個F 統(tǒng)計量作為空間導(dǎo)向凝聚聚類的終止準(zhǔn)則，從而可逐步實現(xiàn)全圖像的分割。而且，該算法可以自動鑒定多變量圖像中的聚類數(shù)及異常點。運用該方法成功處理了棕櫚氯霉素I、II

2、 晶型混合物藥片激光共聚焦拉曼成像分析數(shù)據(jù)。 結(jié)果表明，即使在棕櫚氯霉素I、II 晶型拉曼光譜差別極為細(xì)微的情況下，該多變量圖像分割方法仍可以有效鑒定棕櫚氯霉素I、II 晶型的分布與含量。這表明該方法可望為藥劑的同質(zhì)多晶分析、配方分析提供一個新的有效工具。 2．基于純變量分辨算法的多變量圖像分割與拉曼成像技術(shù)相結(jié)合，對磺胺類藥物的實驗室制藥片與成品藥片進行了分析。實驗結(jié)果表明，所提出的技術(shù)可以明確辨別藥片中的每種有效成分

3、，并能定量可視化這些有效成分的空間分布。這項技術(shù)有望為藥品的生產(chǎn)過程提供快速的無損分析，如提高藥品質(zhì)量，進行更好的配方設(shè)計和更好的了解藥品的制造過程。 3．將基于空間導(dǎo)向凝聚法的多變量圖像分割新方法與拉曼成像分析相結(jié)合用于分析各種不同組成比例的可互容和不可互容高密度聚乙烯(HDPE)和聚鄰苯二甲酸乙二醇酯(PET)共混聚合物的兩組分空間非均相性分布情況，并通過掃描電鏡驗證了分析結(jié)果。分析結(jié)果說明了馬來酸酐能夠顯著改善HDPE/P

4、ET 的共混物組分間的分散度和粘度。加入僅僅0.5 wt ％的馬來酸酐，就能獲得可互容的HDPE/PET 共混物，其亞相比不互容共混物要小得多，而相界面變得更加模糊。 這都表明馬來酸酐的加入產(chǎn)生了可互容共混物，其化學(xué)組成上的均相性程度大大提高了。 4．提出了變量分區(qū)組合算法，該算法是目前化學(xué)計量學(xué)研究中處于主導(dǎo)地位的隱變量方法的進一步推廣。它利用模型的優(yōu)良性，結(jié)合離散粒子群算法進行變量分區(qū)，在多個優(yōu)化的變量子集中分別提取

5、PLS 成分，同區(qū)變量所提取的隱變量進一步建立相關(guān)的隱變量模型，再通過組合各子集的模型獲得穩(wěn)定的QSAR 模型。 而且，建立了一個新的F 統(tǒng)計量用于確定偏最小二乘模型的維數(shù)。該算法可有效改善傳統(tǒng)隱變量算法欠擬合問題，同時避免模型的過擬合，為復(fù)雜數(shù)據(jù)解析提供了新工具。與逐步回歸相比，實驗結(jié)果顯示所提出方法的良好的性能。 5．QSAR 中，由于存在多個先導(dǎo)化合物模板，無法運用單一模型解釋構(gòu)效關(guān)系，為了克服這個困難，我們提出了

6、粒子群優(yōu)化的逐步超球建模。該法運用粒子群算法，將數(shù)據(jù)優(yōu)化劃分成具有不同半徑的超球，每個超球表示不同的子集。通過每個超球的屬性，訓(xùn)練集中的化合物被分屬到不同的超球中構(gòu)建子模型，尋找最優(yōu)的超球來構(gòu)建滿意的分段線性模型。同時形成一個新的目標(biāo)函數(shù)確定適合的分段模型，建立多個具有數(shù)據(jù)解釋能力的超球模型分段建模，實現(xiàn)復(fù)雜QSAR 研究。 6．為解決復(fù)雜數(shù)據(jù)模型建立與知識推廣問題，發(fā)展了非線性數(shù)據(jù)建模的多層前向網(wǎng)絡(luò)的支持向量機學(xué)習(xí)算法，運用支

7、持向量機的目標(biāo)函數(shù)對多層前向網(wǎng)絡(luò)的學(xué)習(xí)目標(biāo)進行了規(guī)范化，有效處理了多層前向網(wǎng)絡(luò)學(xué)習(xí)的過擬合問題，且具有穩(wěn)定的預(yù)測性能。將所提出的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法用于預(yù)測二氫葉酸還原酶抑制劑和環(huán)氧酶抑制劑的活性，獲得了滿意的結(jié)果。 7．針對支持向量機（SVM）本身的特點，我們將連續(xù)粒子群優(yōu)化算法用于尋求SVM 的回歸系數(shù)，建立非二次規(guī)劃SVM 優(yōu)化模型，改進的離散粒子群優(yōu)化算法用于確定適宜的輸入變量。兩種版本的粒子群算法相結(jié)合來搜尋最優(yōu)描述變量同

8、時構(gòu)建最優(yōu)的非二次規(guī)劃SVM 優(yōu)化模型。對環(huán)氧酶抑制劑的抑制活性和芳香類化合物對水生生物的毒性進行預(yù)測的實驗結(jié)果表明，所提出的算法能很好的用于變量選擇，快速收斂于最優(yōu)解，避免了二次規(guī)劃問題求解的大計算量。 8．應(yīng)用粒子群優(yōu)化的最優(yōu)逐區(qū)變量提取，對一系列二[(吖啶-4-羧基酰胺)丙基]甲胺衍生物進行了QSAR 研究。通過對每個變量塊中的原始變量和所提取的隱變量進行分析，我們可以推知，分子間的極性作用力是這類化合物與鼠科動物的路易斯

9、肺癌細(xì)胞之間的主要作用力，另一方面，分子中旋轉(zhuǎn)鍵的數(shù)目和化合物的摩爾折射率會顯著影響這類化合物的抗癌活性。 9．2-芳基(雜環(huán)芳基)-2,5-二氫吡唑[4,3-c]喹啉-3-(3H)衍生物（PQs）是一類具有高親和力的苯(并)二氮受體配位體，它們特殊的藥理活性曾引起了研究者極大的興趣。我們應(yīng)用粒子群優(yōu)化的逐步超球建模對一系列PQ 同系物對苯(并)二氮受體的親和性作了QSAR 研究。通過分析所得的結(jié)果可以推知，電子描述符和空間描述