脂肪族醇的酸碱离解常数(pKa)的预测研究

酸碱离解常数(pKa)在理解受体与药物反应和药物如何选择辅料上起着重要的作用。因此,在药物前期的开发中,能有效地预测pKa值可很好地降低开发成本,降低资源消耗。本文通过运用定量构效关系的方法(QSAR)对脂肪醇的数据库展开研究,以进行pKa值的预测。一共选用了253种各类描述符,包含原子键的性质的描述符48个,分子整体描述符205个,其中重点描述符为原子键的性质类描述符。采取多元线性回归的方法对数据进行研究。该预测模型能取得较好的效果,可以应用于药物的前期开发中。     

基于因特网的常用化合物活性数据库简介

随着互联网技术的不断发展,使在线资源变得丰富而便于查询.对于科研工作者来说,在线免费检索化合物结构与活性变得更方便快捷.本文介绍了几个常用的化合物活性数据库.并对其站点,内容,检索方式以及各自特点等做了简要阐述.其中PubChem、ChemBank和ChEBI是关于小分子生物活性的公共数据库,eMolecules和ChemExper是关于商购化合物的数据库,他们的检索方式主要有文本检索和结构检索.DrugBank是1个包含药物的结构、药效、作用靶标等信息的综合数据库,有ChemQruery,TextQuery、SeqSearch和Data Extractor,4种检索形式.ZINC数据库是1个免费的用于虚拟筛选的化合物数据库,主要进行化合物结构检索.ADME/Tox Boxes和Molinspiration Cheminformatics是对分子性质进行计算和预测的数据库,用户可以通过分子结构的输入或SMILES进行检索.     

芳香/杂环磺胺类碳酸酐酶Ⅱ抑制剂的活性定量预测(英文)

对125个磺胺类碳酸酐酶Ⅱ抑制剂的生物活性进行了预测研究。利用ADRIANA.Code软件计算得到了化合物的一系列2D和3D结构描述符,从中选用了12个描述符进行建模。分别用数学随机划分的方法和Kohonen自组织神经网络的方法把数据集划分成两组不同的训练集和测试集。对于这两组不同的训练集和测试集,分别利用多元线性回归(MLR)和支持向量机(SVM)的方法进行建模,共得到4个模型。其中SVM得到的2个模型,训练集的相关系数在0.92以上,测试集预测的相关系数都在0.90以上。所有模型可进一步用于碳酸酐酶Ⅱ抑制剂的虚拟筛选。     

运用线性和非线性的方法预测烷基苯的沸点和摩尔体积(英文)

本文中建立了几个定量的模型预测80个烷基苯的沸点和79个烷基苯的摩尔体积.每个烷基苯的结构用其分子式得到的6个数字编码来描述.把这6个数字编码作为捕述符,运用多元线性回归,多元非线性回归和人工神经网络地方法来分别建立定量构效关系模犁.模型具有很好的预测性.沸点的3个预测模型,RMS偏差都小于9℃,摩尔体积的3个预测模型的RMS偏差都小于6 cm3·mol-1.     

基于支持向量机的有机化合物水溶解度的分类和预测的研究

有机化合物的水溶解度是重要的物理化学性质.本文用18个拓扑符去描述1293个化合物的分子结构.先建立1293个有机化合物的分类模型,按照logS的大小,将数据分成三类,通过训练集建立模型,并用测试集检验,分类准确率达92.2%.在此基础上,以上述18个描述符作为输入,losS作为输出,研究水溶解度的定量,建立支持向量机预测模型.比较测试集的结果,以前建立的人工神经网络模型相关系数r2=0.94和标准偏差sd=0.52,而本文建立的支持向量机模型r2=0.95和sd=0.50,显然优于以前建立的模型.     

常用化学化工互联网数据库简介

化合物各种常见性质的检索对化学化工工作者十分重要。介绍了几个重要的化学化工互联网数据库,包括Chemfinder,NCI,SRC,ZINC,ChemBlink五个数据库,并对其站点、内容和功能以及使用技巧作了简要的阐述。     

基于多元线性回归及支持向量机回归分析对含苯基的羧酸类化合物pKa的预测

本文建立了2个180个含苯基的羧酸类化合物酸碱解离常数(pKa)的定量预测模型。这些化合物分子量在122.12到288.34的范围内,包含H,C,N,O,S,F,Cl,Br及I等元素.使用Cerius~2程序计算236个分子描述符来表述这些化合物,并使用统计学方法从中选择了12个描述符.分别使用多元线性回归分析(MLR)及支持向量机回归(SVM)结合10重交互检验方法来预测pKa数值.多元线性回归模型对pKa的预测结果相关系数为0.90,标准偏差为0.32;支持向量机模型结果较好,相关系数为0.91,标准偏差为0.31.