頭孢菌素類抗生素的構效-構動關系及分子設計.pdf

1、本文利用量子化學方法和神經網絡方法，進行了頭孢菌素類抗生素的分子結構參數(shù)計算以及藥效學/藥動學參數(shù)與其分子結構參數(shù)之間的QSAR和QSPR建模。本文搜集了已有實驗報道的102種頭孢菌素類抗生素的流感嗜血桿菌的最小抑菌濃度作為本文研究的藥效學指標。運用量子化學AM1算法計算了此102種頭孢菌素類抗生素的24個結構參數(shù)。由相關性分析從中篩選出與頭孢菌素的藥效學指標相關性較大的7個結構參數(shù)作為神經網絡的輸入?yún)?shù)。利用誤差反向傳播的神經網絡，訓

2、練函數(shù)選用Levenberg-Marquardt的快速學習算法來構建頭孢菌素類抗生素的QSAR模型，從102個頭孢菌素樣本中，隨機抽取了94個樣本作為訓練集，剩余的作為檢驗集來驗證QSAR模型的預測效果，結果表明QSAR模型的訓練和預測效果較好，說明本文篩選的結構參數(shù)和建立的頭孢菌素的QSAR模型是較為合理的，在一定程度上體現(xiàn)了該類抗生素的抗菌活性變化規(guī)律。另外，本文還搜集了已有實驗報道的26種頭孢菌素類抗生素的五個藥動學參數(shù)(t1/2

3、α、t1/2β、AUC、CL和Vap)作為本文研究的藥動學指標。同樣，利用量子化學AM1算法共計算了此26種頭孢菌素的18個結構參數(shù)。由相關性分析從中篩選出與頭孢菌素的藥動學指標相關性較大的6個結構參數(shù)作為網絡的輸入?yún)?shù)。利用誤差反向傳播的神經網絡，訓練函數(shù)采用自適應修改學習率算法來構建頭孢菌素的QSPR模型，從26個頭孢菌素樣本中，隨機抽取了23個樣本作為訓練集，剩余的作為檢驗集來驗證QSPR模型的預測效果。結果顯示，QSPR模型對藥