多變量圖像解析與定量結(jié)構(gòu)活性相關(guān)性研究的化學(xué)計(jì)量學(xué)新算法.pdf

1、本論文通過(guò)對(duì)多變量圖像解析和定量結(jié)構(gòu)與活性相關(guān)性研究這兩個(gè)領(lǐng)域中的一些難點(diǎn)問(wèn)題的研究，提出了幾種新型的化學(xué)計(jì)量學(xué)算法。 1．提出了一種結(jié)合空間相關(guān)性的多變量圖像分割新方法——空間導(dǎo)向凝聚法。該方法核心思想在于將光譜相似性較大且空間最相近的點(diǎn)分割為一個(gè)聚類，同時(shí)引進(jìn)了一個(gè)F 統(tǒng)計(jì)量作為空間導(dǎo)向凝聚聚類的終止準(zhǔn)則，從而可逐步實(shí)現(xiàn)全圖像的分割。而且，該算法可以自動(dòng)鑒定多變量圖像中的聚類數(shù)及異常點(diǎn)。運(yùn)用該方法成功處理了棕櫚氯霉素I、II

2、 晶型混合物藥片激光共聚焦拉曼成像分析數(shù)據(jù)。 結(jié)果表明，即使在棕櫚氯霉素I、II 晶型拉曼光譜差別極為細(xì)微的情況下，該多變量圖像分割方法仍可以有效鑒定棕櫚氯霉素I、II 晶型的分布與含量。這表明該方法可望為藥劑的同質(zhì)多晶分析、配方分析提供一個(gè)新的有效工具。 2．基于純變量分辨算法的多變量圖像分割與拉曼成像技術(shù)相結(jié)合，對(duì)磺胺類藥物的實(shí)驗(yàn)室制藥片與成品藥片進(jìn)行了分析。實(shí)驗(yàn)結(jié)果表明，所提出的技術(shù)可以明確辨別藥片中的每種有效成分

3、，并能定量可視化這些有效成分的空間分布。這項(xiàng)技術(shù)有望為藥品的生產(chǎn)過(guò)程提供快速的無(wú)損分析，如提高藥品質(zhì)量，進(jìn)行更好的配方設(shè)計(jì)和更好的了解藥品的制造過(guò)程。 3．將基于空間導(dǎo)向凝聚法的多變量圖像分割新方法與拉曼成像分析相結(jié)合用于分析各種不同組成比例的可互容和不可互容高密度聚乙烯(HDPE)和聚鄰苯二甲酸乙二醇酯(PET)共混聚合物的兩組分空間非均相性分布情況，并通過(guò)掃描電鏡驗(yàn)證了分析結(jié)果。分析結(jié)果說(shuō)明了馬來(lái)酸酐能夠顯著改善HDPE/P

4、ET 的共混物組分間的分散度和粘度。加入僅僅0.5 wt ％的馬來(lái)酸酐，就能獲得可互容的HDPE/PET 共混物，其亞相比不互容共混物要小得多，而相界面變得更加模糊。 這都表明馬來(lái)酸酐的加入產(chǎn)生了可互容共混物，其化學(xué)組成上的均相性程度大大提高了。 4．提出了變量分區(qū)組合算法，該算法是目前化學(xué)計(jì)量學(xué)研究中處于主導(dǎo)地位的隱變量方法的進(jìn)一步推廣。它利用模型的優(yōu)良性，結(jié)合離散粒子群算法進(jìn)行變量分區(qū)，在多個(gè)優(yōu)化的變量子集中分別提取

5、PLS 成分，同區(qū)變量所提取的隱變量進(jìn)一步建立相關(guān)的隱變量模型，再通過(guò)組合各子集的模型獲得穩(wěn)定的QSAR 模型。 而且，建立了一個(gè)新的F 統(tǒng)計(jì)量用于確定偏最小二乘模型的維數(shù)。該算法可有效改善傳統(tǒng)隱變量算法欠擬合問(wèn)題，同時(shí)避免模型的過(guò)擬合，為復(fù)雜數(shù)據(jù)解析提供了新工具。與逐步回歸相比，實(shí)驗(yàn)結(jié)果顯示所提出方法的良好的性能。 5．QSAR 中，由于存在多個(gè)先導(dǎo)化合物模板，無(wú)法運(yùn)用單一模型解釋構(gòu)效關(guān)系，為了克服這個(gè)困難，我們提出了

6、粒子群優(yōu)化的逐步超球建模。該法運(yùn)用粒子群算法，將數(shù)據(jù)優(yōu)化劃分成具有不同半徑的超球，每個(gè)超球表示不同的子集。通過(guò)每個(gè)超球的屬性，訓(xùn)練集中的化合物被分屬到不同的超球中構(gòu)建子模型，尋找最優(yōu)的超球來(lái)構(gòu)建滿意的分段線性模型。同時(shí)形成一個(gè)新的目標(biāo)函數(shù)確定適合的分段模型，建立多個(gè)具有數(shù)據(jù)解釋能力的超球模型分段建模，實(shí)現(xiàn)復(fù)雜QSAR 研究。 6．為解決復(fù)雜數(shù)據(jù)模型建立與知識(shí)推廣問(wèn)題，發(fā)展了非線性數(shù)據(jù)建模的多層前向網(wǎng)絡(luò)的支持向量機(jī)學(xué)習(xí)算法，運(yùn)用支

7、持向量機(jī)的目標(biāo)函數(shù)對(duì)多層前向網(wǎng)絡(luò)的學(xué)習(xí)目標(biāo)進(jìn)行了規(guī)范化，有效處理了多層前向網(wǎng)絡(luò)學(xué)習(xí)的過(guò)擬合問(wèn)題，且具有穩(wěn)定的預(yù)測(cè)性能。將所提出的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法用于預(yù)測(cè)二氫葉酸還原酶抑制劑和環(huán)氧酶抑制劑的活性，獲得了滿意的結(jié)果。 7．針對(duì)支持向量機(jī)（SVM）本身的特點(diǎn)，我們將連續(xù)粒子群優(yōu)化算法用于尋求SVM 的回歸系數(shù)，建立非二次規(guī)劃SVM 優(yōu)化模型，改進(jìn)的離散粒子群優(yōu)化算法用于確定適宜的輸入變量。兩種版本的粒子群算法相結(jié)合來(lái)搜尋最優(yōu)描述變量同

8、時(shí)構(gòu)建最優(yōu)的非二次規(guī)劃SVM 優(yōu)化模型。對(duì)環(huán)氧酶抑制劑的抑制活性和芳香類化合物對(duì)水生生物的毒性進(jìn)行預(yù)測(cè)的實(shí)驗(yàn)結(jié)果表明，所提出的算法能很好的用于變量選擇，快速收斂于最優(yōu)解，避免了二次規(guī)劃問(wèn)題求解的大計(jì)算量。 8．應(yīng)用粒子群優(yōu)化的最優(yōu)逐區(qū)變量提取，對(duì)一系列二[(吖啶-4-羧基酰胺)丙基]甲胺衍生物進(jìn)行了QSAR 研究。通過(guò)對(duì)每個(gè)變量塊中的原始變量和所提取的隱變量進(jìn)行分析，我們可以推知，分子間的極性作用力是這類化合物與鼠科動(dòng)物的路易斯

9、肺癌細(xì)胞之間的主要作用力，另一方面，分子中旋轉(zhuǎn)鍵的數(shù)目和化合物的摩爾折射率會(huì)顯著影響這類化合物的抗癌活性。 9．2-芳基(雜環(huán)芳基)-2,5-二氫吡唑[4,3-c]喹啉-3-(3H)衍生物（PQs）是一類具有高親和力的苯(并)二氮受體配位體，它們特殊的藥理活性曾引起了研究者極大的興趣。我們應(yīng)用粒子群優(yōu)化的逐步超球建模對(duì)一系列PQ 同系物對(duì)苯(并)二氮受體的親和性作了QSAR 研究。通過(guò)分析所得的結(jié)果可以推知，電子描述符和空間描述