排序方式: 共有25条查询结果,搜索用时 15 毫秒
1.
有机污染物的生物富集因子与拓扑指数的数学模型 总被引:1,自引:1,他引:1
依据价连接性指数(xi)、电性拓扑态指数(ej)及电性距离矢量(mk)构建239种有机污染物生物富集因子(FBC)的6参数QSFR(定量结构-生物富集因子相关性)模型, 不仅相关程度高, 而且所用自变量数少. 该模型的传统相关系数(R2)为0.821, LOO(levae-one-out)交互验证系数(Q2)为0.809, 证明具有良好的稳健性及预测能力. 根据进入该模型的6个参数可知, 影响有机污染物FBC的主要结构基团是: —C—、>C—、—O—、—X、—NH2以及分子的柔韧性、折叠程度等空间因素. 可以认为在生物富集过程中,“诱导契合机理”也发挥一定作用. 对自变量集进行正交变换, 既不影响模型的相关性, 又能降低其自相关性. 相似文献
2.
为了预测有机物的摩尔反磁磁化率,基于分子图的连接矩阵和可变的原子价连接性指数δi’提出了一种可变的分子连接性指数mχ’ 及其逆指数mχ”。包含在δi’、 mχ’ 和mχ”定义式中的三个可变参数x、 a和y的最佳值可通过优化方法得到。当x=2.9、a=1.10、y=0.36时, 通过最佳子变量集合法可以构建一个良好的5参数模型。对721个有机物(训练集),该模型的相关系数r、标准偏差s和平均绝对偏差分别是0.9930、4.96 cgs和3.74cgs。交叉验证说明,从统计学角度该模型具有良好的稳定性。另外该模型对另外360个有机物(测试集)摩尔反磁磁化率预测结果的平均绝对偏差为4.37cgs。结果表明本文的方法在预测有机物摩尔反磁磁化率方面比文献方法更有效。多元线性方法能得到比较理想的预测有机物摩尔反磁磁化率的模型。 相似文献
3.
4.
5.
计算了122种非离子性有机物的电性拓扑状态指数En.基于取代基及共轭母体的特征,定义一种新的分子参数——共轭参数B,它们对有机物呈现出良好的结构选择性.将它们与122种非离子性有机物的生物富集因子(IgBCF)拟合,建立令人满意的数学模型:lgBCF=-0.076+1.006B+0.077E38+0.274E9+0.111E39(n′-122,R-0.966,F-408.35,S-0.401).通过Jackknife法检验该模型具有总体稳健性,并能较准确估算与预测有机物的生物富集因子.依此4个结构参数作为神经网络输入层结点,采用4:10:1的网络结构,利用BP算法得到一个良好模型,其相关系数R和标准偏差S分别为0.990和0.216,证明该电性拓扑状态指数与共轭参数对于有机物的生物富集因子的预测有效. 相似文献
6.
7.
8.
9.
用拓扑指数和神经网络研究有机污染物的生物富集因子 总被引:5,自引:0,他引:5
在修正Randic的分子连接性指数和连接矩阵的基础上, 定义新型分子连接性指数(mF), 并计算了239种有机污染物的分子连接性指数(mF). 用其1F构建了239种有机污染物生物富集因子(lgBCF)的QSAR模型, 该模型判定系数(R2)及逐一剔除法(LOO)的交互验证系数(Q2)分别为0.747和0.742. 而用1F和4个电性距离矢量(Mk)构建的五元QSAR模型的R2及Q2分别为0.829和0.819. 结果表明, 从统计学的角度, 该模型具有高度的稳定性及良好预测能力. 从此模型可知, 有机污染物BCF的主要影响因素是—C—, >C—, —O—, —S—, —X等分子结构碎片以及分子的柔韧性、折叠程度等空间因素. 将5个结构参数作为人工神经网络的输入层结点, 采用5∶26∶1的网络结构, 利用BP算法, 获得了一个令人满意的QSAR模型, 其R2和标准偏差s分别为0.987和0.157, 表明lgBCF与这5个参数具有良好的非线性关系. 从上可见, 新建的连接性指数1F以及电性距离矢量与有机物的生物富集因子具有良好的相关性, 可望在物质构效关系研究中获得广泛的应用. 相似文献
10.