新余学院学报
新餘學院學報
신여학원학보
JOURNAL OF XINYU COLLEGE
2014年
5期
29-31
,共3页
王婷%鲁静%马平%张晓昀
王婷%魯靜%馬平%張曉昀
왕정%로정%마평%장효윤
RBFNN%姜黄素类似物%QSAR%抗利什曼原虫
RBFNN%薑黃素類似物%QSAR%抗利什曼原蟲
RBFNN%강황소유사물%QSAR%항리십만원충
RBFNN%curcuminoid analogs%QSAR%anti - leishmania
利用径向基函数神经网络（RBFNN）方法对37种姜黄素类似物的化学结构与其抗利什曼原虫活性进行了定量构效关系的研究，建立了 RBFNN 非线性模型，得到了较高的复相关系数（R2=0.9736），说明该模型具有良好的稳定性和预测能力。
利用徑嚮基函數神經網絡（RBFNN）方法對37種薑黃素類似物的化學結構與其抗利什曼原蟲活性進行瞭定量構效關繫的研究，建立瞭 RBFNN 非線性模型，得到瞭較高的複相關繫數（R2=0.9736），說明該模型具有良好的穩定性和預測能力。
이용경향기함수신경망락（RBFNN）방법대37충강황소유사물적화학결구여기항리십만원충활성진행료정량구효관계적연구，건립료 RBFNN 비선성모형，득도료교고적복상관계수（R2=0.9736），설명해모형구유량호적은정성화예측능력。
The quantitative structure - activity relationship(QSAR)of 37 curcuminoid analogs with radial basis function neural network was studied. RBFNN QSAR Models has been created and good correlation coefficients were obtained,R2 = 0. 9736. The results showed that the models had good predictability and favorable stability.
