徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)在環(huán)境化學(xué)和藥物化學(xué)中的應(yīng)用.pdf

1、定量構(gòu)效關(guān)系(定量結(jié)構(gòu).活性/性質(zhì)相關(guān)，Quantitative Structure-Activity/Property Relationship)方法已成為國際上一個(gè)活躍的研究領(lǐng)域，QSAR/QSPR的研究對(duì)象包括化合物的各種生物活性、毒性、藥物的各種代謝動(dòng)力學(xué)參數(shù)和生物利用度以及分子的各種物理化學(xué)性質(zhì)和環(huán)境行為等，研究領(lǐng)域涉及化學(xué)、生物、醫(yī)學(xué)以及環(huán)境等諸多學(xué)科。 QSA/QSPR方法從化合物的分子結(jié)構(gòu)和活性/性質(zhì)的實(shí)驗(yàn)結(jié)果出

2、發(fā)，依據(jù)不同的需要和研究深度，可建立相關(guān)的二維(2-D)或三維(3-D)模型，來預(yù)測未知化合物的性質(zhì)、生物活性和生態(tài)學(xué)效應(yīng)等。 本論文從分子結(jié)構(gòu)的定量描述和結(jié)構(gòu)性質(zhì)定量關(guān)系的建立入手，總結(jié)了QSAR/QSPR方法在環(huán)境效應(yīng)評(píng)價(jià)和藥物設(shè)計(jì)方面的應(yīng)用。同時(shí)，著重討論了一種機(jī)器學(xué)習(xí)算法：徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(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(gòu)效關(guān)系的發(fā)展歷史、基本原理、方法以及研究進(jìn)展。同時(shí)，詳細(xì)介紹了RBFNN算法的基本原理并總結(jié)了它在近年來的一些重要應(yīng)用。 論文第二章介紹了QSAR/QSPR方法和RBFNN算法在環(huán)境科學(xué)中的應(yīng)用。近年來，大量化學(xué)品廣泛使用在各個(gè)領(lǐng)域并排放到環(huán)境中，對(duì)人類和生態(tài)系統(tǒng)構(gòu)成了潛在的毒性危害。用QSAR方法建立模型來預(yù)測化合物的毒性效應(yīng)，為風(fēng)險(xiǎn)評(píng)估提供科學(xué)依據(jù)。同時(shí)，縮短了研究時(shí)間并大大降低實(shí)驗(yàn)花費(fèi)。 1

4、.應(yīng)用QSPR方法研究了66個(gè)有機(jī)污染物在生物分配膠束色譜中的保留行為。運(yùn)用啟發(fā)式方法和RBFNN方法分別建立了這些化合物的結(jié)構(gòu)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(guān)系數(shù)(R2)分別為0.8400和0.8642，相應(yīng)的均方根誤差(RMS)為0.1577和0.1562。通過對(duì)兩種模型的穩(wěn)定性和預(yù)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(guān)系，非線性方法對(duì)模型的預(yù)測能力改善不是很大。 2.QSAR方法用于預(yù)測91

5、個(gè)有機(jī)污染物對(duì)小球藻的毒性。用啟發(fā)式方法和RBFNN算法建立了兩種預(yù)測模型，它們對(duì)測試集預(yù)測結(jié)果的均方根誤差(RMS)分別為0.4023和0.3124?？梢钥闯?，RBFNN模型有很好的預(yù)測能力。通過多種方法對(duì)所建模型進(jìn)行評(píng)價(jià)，包括多樣性分析、應(yīng)用領(lǐng)域分析和模型的預(yù)測能力評(píng)估。對(duì)所選描述符進(jìn)行合理解釋，有利于發(fā)現(xiàn)毒性機(jī)理，能夠?yàn)榫吃u(píng)估做出新的貢獻(xiàn)。論文第三章介紹了QSAR方法和算法在醫(yī)學(xué)、藥物設(shè)計(jì)中的應(yīng)用。簡單描述如下： 1. 應(yīng)

6、用啟發(fā)式方法和RBFNN算法分別建立了58個(gè)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(jié)構(gòu).活性關(guān)系模型。并探討了了影響兩者鍵合的結(jié)構(gòu)因素。預(yù)測結(jié)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(jié)構(gòu)因素。RBFNN模型簡單快捷，在藥物設(shè)計(jì)中可以用來預(yù)測候選藥物的鍵合親和力。 2. 應(yīng)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(yù)測61個(gè)4-(3-溴胺)-6，7-二甲基喹