染料類化合物多種性質(zhì)的定量構(gòu)效關(guān)系研究.pdf

1、染料在很多領(lǐng)域例如紡織業(yè)、印刷業(yè)、醫(yī)療保健行業(yè)以及能源行業(yè)等均有廣泛的應(yīng)用,并在這些領(lǐng)域內(nèi)發(fā)揮著越來越重要的作用。隨著時代的發(fā)展,各種具有特定功能的染料不斷涌現(xiàn),這些染料都必須具備合適的性質(zhì),諸如酸堿度、良好的熱穩(wěn)定性、良好的牢度與強(qiáng)度等。因此,迫切需要計算機(jī)設(shè)計手段來滿足設(shè)計的需求。本論文首先對近二十年來定量構(gòu)效關(guān)系在染料活性/性質(zhì)方面的研究做了綜述。然后,用多元線性回歸方法(MLR)和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)方法(RBFNN)建立了多種染

2、料重要性質(zhì)的QSAR/QSPR模型,以期為合成和發(fā)現(xiàn)新的染料提供理論幫助。本論文主要分為以下幾個部分:
　　第一章:綜述了1995年至2011年間用定量構(gòu)效關(guān)系方法來研究染料活性/性質(zhì),并論述了QSAR/QSPR研究方法及進(jìn)展。
　　第二章:用多元線性回歸(MLR)和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)方法(RBFNN)分別建立了191個偶氮苯染料和43個1,4-萘醌類染料的最大吸收波長(λmax)的QSPR模型。偶氮苯類染料MLR模型的統(tǒng)計

3、參數(shù)為:訓(xùn)練集R2=0.893,R2adj=0.893,LOOq2=0.884,F=1214.871,RMS=11.6430;外部測試集R2=0.849,R2adj=0.845,q2ext=0.846,F=207.812,RMS=14.0919。RBFNN模型得到了更好的統(tǒng)計結(jié)果:訓(xùn)練集R2=0.920,R2adj=0.919,LOOq2=0.898,F=1664.074,RMS=9.9215;外部測試集R2=0.895,R2adj=0

4、.892,q2ext=0.895,F=314.256,RMS=11.6427。1,4-萘醌染料的MLR模型的統(tǒng)計結(jié)果為:訓(xùn)練集R2=0.8887,LOOq2=0.8627,F=231.552,RMS=28.6358;測試集R2=0.8622,q2ext=0.8308,F=423.809,RMS=33.8613。這種理論方法可以提供一種簡單、精確的方法來預(yù)測偶氮苯類和1,4-萘醌類染料的最大吸收波長。RBFNN模型訓(xùn)練集結(jié)果為R2=0.9

5、524,LOOq2=0.7815,F=578.758,RMS=17.4988;測試集結(jié)果為R2=0.9231,q2ext=0.9202,F=84.010,RMS=25.3406。這種理論方法可以提供一種簡單、精確的方法來預(yù)測偶氮苯類和1,4-萘醌類染料的最大吸收波長。
　　第三章:建立了一系列1,2-萘醌類衍生物作為蛋白絡(luò)氨酸磷酸酶1B抑制劑的定量構(gòu)效關(guān)系模型。建模是用多元線性回歸和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)兩種方法分別建立。得到MLR模

6、型的統(tǒng)計參數(shù)為訓(xùn)練集R2=0.8031,LOOq2=0.7010,F=85.638,RMS=0.3062;測試集R2=0.8775,qext2=0.7704,F=28.643,RMS=0.3004。RBFNN模型結(jié)果訓(xùn)練集R2=0.8544,LOOq2=0.6355,F=123.189,RMS=0.2264,測試集R2=0.9064,qext2=0.8282,F=38.753,QSAR模型外部測試集的結(jié)果精確,具有較好的預(yù)測能力,這個結(jié)

7、果顯示這種方法是一種簡單、精確、可靠的方法,可以用于篩選具有較高抑制活性的1,2-萘醌衍生物。
　　第四章:建立經(jīng)典2D-QSAR模型來預(yù)測1,4-萘醌衍生物的抗瘧活性。建立起來的線性模型和非線性模型都經(jīng)過了統(tǒng)計學(xué)驗證(內(nèi)部驗證和外部驗證)。內(nèi)部驗證用到的方法有留一法交互檢驗、留多法交互檢驗以及Y-隨機(jī)測試,外部驗證使用外部測試集的統(tǒng)計參數(shù)來驗證。線性MLR模型結(jié)果為:訓(xùn)練集R2=0.7876,LOOq2=0.7068,RMS=0

8、.3377;測試集R2=0.7648,q2ext=0.7597,RMS=0.2556,R02=0.7598,k=1.0417。RBFNN模型結(jié)果:訓(xùn)練集R2=0.8338,LOOq2=0.5869,RMS=0.2781;測試集R2=0.7586,q2ext=0.7189,RMS=0.2788,R02=0.7129,k=1.0284。結(jié)果發(fā)現(xiàn)最高占據(jù)分子軌道能與抗瘧活性有高度的相關(guān)性。這是一種簡單、精確、可靠的方法,可以用來篩選具有較高抗

9、瘧活性的1,4-萘醌衍生物。
　　第五章:采用QSPR方法建立了太陽能電池染料敏化劑最大吸收波長的線性與非線性模型。模型建立后,分別用內(nèi)部驗證和外部驗證兩種方法對模型的穩(wěn)定性和預(yù)測性進(jìn)行驗證。多元線性模型的統(tǒng)計參數(shù)(訓(xùn)練集R2=0.8903,LOOq2=0.8412,F=54.1068,RMS=14.6419;測試集R2=0.8162,F=41.9710,RMS=18.5012)表明這是一個令人滿意的、穩(wěn)定的、具有較好預(yù)測能力的模

10、型。非線性RBFNN模型的結(jié)果(訓(xùn)練集R2=0.9228,LOOq2=0.6436,F=537.510,RMS=11.4163;測試集R2=0.8257,F=42.639,RMS=18.8858)比線性模型的結(jié)果更好。研究結(jié)果表明兩種模型都具有很好的穩(wěn)定型和預(yù)測性,均可用于染料敏化劑最大吸收波長的預(yù)測。
　　第六章:用分子結(jié)構(gòu)描述符分別建立QSPR模型分別預(yù)測了50個氧氮雜環(huán)化合物的香閾值與97個脂肪醇化合物的香閾值。用三種方法(