化學(xué)計量學(xué)新算法在實際生化體系中的定量構(gòu)效關(guān)系研究.pdf

1、定量構(gòu)效關(guān)系研究是化學(xué)計量學(xué)的重要分支.該論文主要是基于應(yīng)用該實驗室提出并發(fā)展的幾個新的化學(xué)計量學(xué)算法,對一些實際的生化體系進行了定量構(gòu)效關(guān)系分析.建立定量構(gòu)效關(guān)系模型第一步是計算大量的分子描述符,下一步則是從這些描述符中選取與所研究對象最相關(guān)的描述符,即變量選擇.該論文采用該實驗室最近引入化學(xué)計量學(xué)的粒子群優(yōu)化算法(particle swarm optimization,PSO)來進行變量選擇,選出的變量用多元線性回歸方法建模.基于這

2、樣的方法對環(huán)氧酶抑制劑的活性和選擇性以及芳香族化合物的毒性進行了定量構(gòu)效關(guān)系分析.結(jié)果發(fā)現(xiàn)粒子群優(yōu)化算法用于變量選擇可得到與遺傳算法相媲美的結(jié)果.神經(jīng)網(wǎng)絡(luò)是一個優(yōu)異的非線性建模工具,但其突出的缺點就是潛在的預(yù)收斂到局部最優(yōu)點或過擬合導(dǎo)致的錯誤預(yù)報模式;為了改善神經(jīng)網(wǎng)絡(luò)的性能,引入了混沌的概念來輔助遺傳算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)(Chaotic Genetic Artificial Neural Network,CGANN).基于這個方法,對偏端霉

3、素類衍生物的生物活性進行了建模,并同傳統(tǒng)的偏最小二乘方法進行了比較.結(jié)果發(fā)現(xiàn),CGANN在訓(xùn)練能力和預(yù)測能力上都明顯優(yōu)于PLS,充分說明CGANN作為強大的非線性關(guān)系處理工具有獨特的優(yōu)勢.另外,雜交的粒子群優(yōu)化算法也可以用來訓(xùn)練神經(jīng)網(wǎng)絡(luò)(Hybrid Particle Swarm Optimization Neural Network,HPSONN).用這個方法對血小板衍化生長因子受體磷酸化作用的抑制劑進行了定量構(gòu)效關(guān)系分析,發(fā)現(xiàn)該方法