国产性70yerg老太,狠狠的日,欧美人与动牲交a免费,中文字幕成人网站

基本信息

項目名稱:
基于啟發(fā)式和基因表達式編程法預測磺胺類藥物的pKa值
小類:
生命科學
簡介:
目的:應用啟發(fā)式算法(HM)和基因表達式編程方法(GEP)建立31種磺胺類藥物pKa值的定量構(gòu)效關(guān)系模型。 方法:用ChemOffice2004軟件進行化合物的結(jié)構(gòu)輸入,利用半經(jīng)驗方法進行分子結(jié)構(gòu)優(yōu)化,在CODDESA軟件中計算出組成、拓撲、幾何、電子和量子化學參數(shù);并用啟發(fā)式方法篩選出4個相關(guān)參數(shù),在此基礎(chǔ)上運用多元線性回歸和基因表達式編程方法建立QSPR模型。 結(jié)果:兩種方法均得到了較好的結(jié)果,HM和GEP的的相關(guān)系數(shù)分別為0.90和0.95。結(jié)果表明,用GEP建立的非線性模型的預測結(jié)果與文獻值非常接近。 結(jié)論:通過研究,建立了兩種預測磺胺類藥物pKa值的QSPR模型。在新藥研究中,運用該模型可以預測其pKa值,為新化合物的研究提供理論指導。 關(guān)鍵詞:磺胺類藥物;pKa;定量構(gòu)效關(guān)系;啟發(fā)式算法;基因表達式編程方法
詳細介紹:
在某個藥物發(fā)揮作用前它至少要通過一個生物膜,這個過程是被動的或需要由某個中間體攜帶來完成。許多藥物都包含離子基團,而且它們都有特定的pKa值。藥物通常在特定的pKa值下通過主動運輸機理穿透細胞膜或通過毛細孔[1]。因此,pKa值是影響藥物藥理作用的一個重要因素。通常,實驗方法得到pKa值比較煩瑣,發(fā)展一種容易應用和精確預測新化合物的pKa值的方法是十分必要的,在藥物研究中尤為重要。 化學和生物效應與分子性質(zhì)密切相關(guān),而這些性質(zhì)可以用多種方法計算或預測得到[2-4]。近年來,定量結(jié)構(gòu)-活性關(guān)系(QSPR, QSRR)及其變化形式已經(jīng)成為一種潛在的有效預測pKa值的方法[5-8]。QSPR方法的優(yōu)越性在于一旦建立了模型就可以僅僅通過化合物的結(jié)構(gòu)預測化合物的性質(zhì)。此種方法擴展了合理篩選藥物的范圍,有助于尋找藥物的作用機理。 基因表達式編程方法(GEP)[9]是一種基于自然群體遺傳演化機制的高效探索算法,它摒棄了傳統(tǒng)的搜索方式,模擬自然界生物進化過程,采用人工進化的方式對目標空間進行隨機化搜索。它將問題域中的可能解看作是群體的一個個體或染色體,并將每一個體編碼成符號串形式,模擬達爾文的遺傳選擇和自然淘汰的生物進化過程,對群體反復進行基于遺傳學的操作(遺傳,交叉和變異),根據(jù)預定的目標適應度函數(shù)對每個個體進行評價,依據(jù)適者生存,優(yōu)勝劣汰的進化規(guī)則,不斷得到更優(yōu)的群體,同時以全局并行搜索方式來搜索優(yōu)化群體中的最優(yōu)個體,求得滿足要求的最優(yōu)解。 本文研究利用啟發(fā)式算法(HM)和基因表達式編程方法(GEP)建立磺胺類藥物pKa值的定量構(gòu)效關(guān)系模型,預測31個磺胺類藥物的pKa值,所用的描述符通過CODESSA軟件計算得到。HM也用來挑選合適的分子描述符。通過研究,探討建立準確預測pKa值的QSPR模型的可能性;比較兩種方法的優(yōu)劣;同時討論影響pKa值的結(jié)構(gòu)因素。

作品專業(yè)信息

撰寫目的和基本思路

目的:應用啟發(fā)式算法(HM)和基因表達式編程方法(GEP)建立31種磺胺類藥物pKa值的定量構(gòu)效關(guān)系模型?;舅悸罚翰殚單墨I,得到31個磺胺類化合物的結(jié)構(gòu)及pKa值;進行化合物的結(jié)構(gòu)輸入,利用半經(jīng)驗方法進行分子結(jié)構(gòu)優(yōu)化,在CODDESA軟件中計算出組成、拓撲、幾何、電子和量子化學參數(shù);在此基礎(chǔ)建立線性模型;再將篩選出的參數(shù)引入GEP程序,建立其非線性的QSPR模型;比較兩種模型的預測能力。

科學性、先進性及獨特之處

應用啟發(fā)式算法(HM)和基因表達式編程方法(GEP)建立了31種磺胺類藥物pKa值的定量構(gòu)效關(guān)系模型。兩種方法均得到了較好的結(jié)果,HM和GEP的的相關(guān)系數(shù)分別為0.90和0.95。結(jié)果表明,用GEP建立的非線性模型的預測結(jié)果與文獻值更接近。而且,通過此行研究證明,GEP程序不僅能用來處理一般的數(shù)據(jù),還可用于藥物研究。

應用價值和現(xiàn)實意義

通過研究,建立了兩種預測磺胺類藥物pKa值的QSPR模型。在新藥研究中,運用該模型可以預測其pKa值,為新化合物的研究提供理論指導。該項研究所取得的成果在磺胺新藥的研究中具有實際應用價值,可謂此類藥物的篩選提供依據(jù)。

學術(shù)論文摘要

目的:應用啟發(fā)式算法(HM)和基因表達式編程方法(GEP)建立31種磺胺類藥物pKa值的定量構(gòu)效關(guān)系模型。方法:用ChemOffice2004軟件進行化合物的結(jié)構(gòu)輸入,利用半經(jīng)驗方法進行分子結(jié)構(gòu)優(yōu)化,在CODDESA軟件中計算出組成、拓撲、幾何、電子和量子化學參數(shù);并用啟發(fā)式方法篩選出4個相關(guān)參數(shù),在此基礎(chǔ)上運用多元線性回歸和基因表達式編程方法建立QSPR模型。結(jié)果:兩種方法均得到了較好的結(jié)果,HM和GEP的的相關(guān)系數(shù)分別為0.90和0.95。結(jié)果表明,用GEP建立的非線性模型的預測結(jié)果與文獻值非常接近。結(jié)論:通過研究,建立了兩種預測磺胺類藥物pKa值的QSPR模型。在新藥研究中,運用該模型可以預測其pKa值,為新化合物的研究提供理論指導。

獲獎情況

鑒定結(jié)果

參考文獻

同類課題研究水平概述

建議反饋 返回頂部