染料類(lèi)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(lái)越重要的作用。隨著時(shí)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(jì)算機(jī)設(shè)計(jì)手段來(lái)滿足設(shè)計(jì)的需求。本論文首先對(duì)近二十年來(lái)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(gè)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(lái)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(gè)偶氮苯染料和43個(gè)1,4-萘醌類(lèi)染料的最大吸收波長(zhǎng)(λmax)的QSPR模型。偶氮苯類(lèi)染料MLR模型的統(tǒng)計(jì)

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(cè)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(jì)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(cè)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(jì)結(jié)果為:訓(xùn)練集R2=0.8887,LOOq2=0.8627,F=231.552,RMS=28.6358;測(cè)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(jiǎn)單、精確的方法來(lái)預(yù)測(cè)偶氮苯類(lèi)和1,4-萘醌類(lèi)染料的最大吸收波長(zhǎng)。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(cè)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(jiǎn)單、精確的方法來(lái)預(yù)測(cè)偶氮苯類(lèi)和1,4-萘醌類(lèi)染料的最大吸收波長(zhǎng)。
　　第三章:建立了一系列1,2-萘醌類(lèi)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(jì)參數(shù)為訓(xùn)練集R2=0.8031,LOOq2=0.7010,F=85.638,RMS=0.3062;測(cè)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(cè)試集R2=0.9064,qext2=0.8282,F=38.753,QSAR模型外部測(cè)試集的結(jié)果精確,具有較好的預(yù)測(cè)能力,這個(gè)結(jié)

7、果顯示這種方法是一種簡(jiǎn)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(lái)預(yù)測(cè)1,4-萘醌衍生物的抗瘧活性。建立起來(lái)的線性模型和非線性模型都經(jīng)過(guò)了統(tǒng)計(jì)學(xué)驗(yàn)證(內(nèi)部驗(yàn)證和外部驗(yàn)證)。內(nèi)部驗(yàn)證用到的方法有留一法交互檢驗(yàn)、留多法交互檢驗(yàn)以及Y-隨機(jī)測(cè)試,外部驗(yàn)證使用外部測(cè)試集的統(tǒng)計(jì)參數(shù)來(lái)驗(yàn)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(cè)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(cè)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(jiǎn)單、精確、可靠的方法,可以用來(lái)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(yáng)能電池染料敏化劑最大吸收波長(zhǎng)的線性與非線性模型。模型建立后,分別用內(nèi)部驗(yàn)證和外部驗(yàn)證兩種方法對(duì)模型的穩(wěn)定性和預(yù)測(cè)性進(jìn)行驗(yàn)證。多元線性模型的統(tǒng)計(jì)參數(shù)(訓(xùn)練集R2=0.8903,LOOq2=0.8412,F=54.1068,RMS=14.6419;測(cè)試集R2=0.8162,F=41.9710,RMS=18.5012)表明這是一個(gè)令人滿意的、穩(wěn)定的、具有較好預(yù)測(cè)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(cè)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(cè)性,均可用于染料敏化劑最大吸收波長(zhǎng)的預(yù)測(cè)。
　　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(cè)了50個(gè)氧氮雜環(huán)化合物的香閾值與97個(gè)脂肪醇化合物的香閾值。用三種方法(