本文主要研究内容
作者堵锡华,李靖,吴琼,周俊,陈艳,石春玲,冯惠（2019）在《咪唑类ALK5抑制剂活性的神经网络研究》一文中研究指出：为建立咪唑类ALK5抑制剂活性的QSAR预测模型,分析了61个咪唑类ALK5抑制剂的分子结构与活性的关系;计算了这些抑制剂分子的分子形状指数、电性拓扑状态指数和电性距离矢量;优化筛选了分子形状指数的K1和K3,电性拓扑状态指数的E19、E21和E24,电性距离矢量的M26、M30和M56,共8个参数.将这8个参数作为人工神经网络的输入神经元变量,活性pIC50作为输出神经元变量,采用8∶4∶1的神经网络结构,获得了令人较为满意的神经网络预测模型,模型的总相关系数r为0.956.pIC50的预测值与实验值较为吻合,平均相对误差仅为0.85%.结果表明,本法建构的神经网络模型具有较强的稳健性和良好的预测能力.研究结果可为合成高活性的抗癌新药提供理论指导.
Abstract
wei jian li mi zuo lei ALK5yi zhi ji huo xing de QSARyu ce mo xing ,fen xi le 61ge mi zuo lei ALK5yi zhi ji de fen zi jie gou yu huo xing de guan ji ;ji suan le zhe xie yi zhi ji fen zi de fen zi xing zhuang zhi shu 、dian xing ta pu zhuang tai zhi shu he dian xing ju li shi liang ;you hua shai shua le fen zi xing zhuang zhi shu de K1he K3,dian xing ta pu zhuang tai zhi shu de E19、E21he E24,dian xing ju li shi liang de M26、M30he M56,gong 8ge can shu .jiang zhe 8ge can shu zuo wei ren gong shen jing wang lao de shu ru shen jing yuan bian liang ,huo xing pIC50zuo wei shu chu shen jing yuan bian liang ,cai yong 8∶4∶1de shen jing wang lao jie gou ,huo de le ling ren jiao wei man yi de shen jing wang lao yu ce mo xing ,mo xing de zong xiang guan ji shu rwei 0.956.pIC50de yu ce zhi yu shi yan zhi jiao wei wen ge ,ping jun xiang dui wu cha jin wei 0.85%.jie guo biao ming ,ben fa jian gou de shen jing wang lao mo xing ju you jiao jiang de wen jian xing he liang hao de yu ce neng li .yan jiu jie guo ke wei ge cheng gao huo xing de kang ai xin yao di gong li lun zhi dao .
论文参考文献
论文详细介绍
论文作者分别是来自四川大学学报(自然科学版)的堵锡华,李靖,吴琼,周俊,陈艳,石春玲,冯惠，发表于刊物四川大学学报(自然科学版)2019年05期论文，是一篇关于咪唑类衍生物论文,抑制剂论文,分子结构参数论文,神经网络法论文,多元回归分析论文,四川大学学报(自然科学版)2019年05期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自四川大学学报(自然科学版)2019年05期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：咪唑类衍生物论文; 抑制剂论文; 分子结构参数论文; 神经网络法论文; 多元回归分析论文; 四川大学学报(自然科学版)2019年05期论文;