计算机与应用化学
計算機與應用化學
계산궤여응용화학
COMPUTERS AND APPLIED CHEMISTRY
2009年
4期
495-498
,共4页
人工神经网络%多元线性回归%定量结构.活性关系%苯烷基胺
人工神經網絡%多元線性迴歸%定量結構.活性關繫%苯烷基胺
인공신경망락%다원선성회귀%정량결구.활성관계%분완기알
采用量子化学密度泛函B3LYP法,用6-311+G(d,P)基组,计算38个苯烷基胺类化合物的电子结构参数;利用多元线性回归(multiple linear regression,MLB)法,筛选出影响化合物迷幻活性显著的6个变量,并建立其结构参数与迷幻活性之间的定量关系(MLR模型);同时,利用人工神经网络(artificial neural network,ANN)法建立相应的QSAR模型(ANN模型)以资对比.所建MLB模型的相关系数R=0.9340,标准误差Se=0.2068;ANN模型的相关系数R=0.9992,标准误差Se=O.0036.结果表明人工神经网络法获得了比多元线性回归方法更精密的拟合效果,可望在QSAR研究中发挥重要作用.
採用量子化學密度汎函B3LYP法,用6-311+G(d,P)基組,計算38箇苯烷基胺類化閤物的電子結構參數;利用多元線性迴歸(multiple linear regression,MLB)法,篩選齣影響化閤物迷幻活性顯著的6箇變量,併建立其結構參數與迷幻活性之間的定量關繫(MLR模型);同時,利用人工神經網絡(artificial neural network,ANN)法建立相應的QSAR模型(ANN模型)以資對比.所建MLB模型的相關繫數R=0.9340,標準誤差Se=0.2068;ANN模型的相關繫數R=0.9992,標準誤差Se=O.0036.結果錶明人工神經網絡法穫得瞭比多元線性迴歸方法更精密的擬閤效果,可望在QSAR研究中髮揮重要作用.
채용양자화학밀도범함B3LYP법,용6-311+G(d,P)기조,계산38개분완기알류화합물적전자결구삼수;이용다원선성회귀(multiple linear regression,MLB)법,사선출영향화합물미환활성현저적6개변량,병건립기결구삼수여미환활성지간적정량관계(MLR모형);동시,이용인공신경망락(artificial neural network,ANN)법건립상응적QSAR모형(ANN모형)이자대비.소건MLB모형적상관계수R=0.9340,표준오차Se=0.2068;ANN모형적상관계수R=0.9992,표준오차Se=O.0036.결과표명인공신경망락법획득료비다원선성회귀방법경정밀적의합효과,가망재QSAR연구중발휘중요작용.
