学位论文 > 优秀研究生学位论文题录展示

QSAR研究在生命分析化学和环境化学中的应用

作　者: 赵春燕
导　师: 刘满仓；张海霞
学　校: 兰州大学
专　业: 分析化学
关键词: 化学信息学定量结构-活性关系支持向量机毒性
分类号: O641
类　型: 博士论文
年　份: 2006年
下　载: 709次
引　用: 18次
阅　读: 论文下载

内容摘要

定量结构—活性关系(Quantitative Structure-Activity Relationship,QSAR)方法是目前国际上一个活跃的研究领域,QSAR的研究对象包括化合物的生物活性、毒性、药物的各种代谢动力学参数和生物利用度以及分子的各种物理化学性质和环境行为等,研究领域涉及生物、化学以及环境科学等诸多学科。QSAR方法从化合物的分子结构和活性/性质的实验结果出发,依据不同需要和研究深度,可建立相关的二维、三维或多维模型,来估测未知化合物的生物活性和生态学效应。本论文从分子结构的定量描述和结构性质定量关系的建立入手,总结了QSAR方法在药物设计、与环境污染和生命有关物质的重要性质的预测方面的应用;同时,着重讨论了一种新的机器学习方法:支持向量机(Support Vector Machine,SVM)方法建立高效、稳定的QSAR模型。由于SVM方法在各方面的应用还不是很多,因此,本论文的一个研究重点就是将SVM算法扩展到QSAR研究的更多领域。论文第一章介绍了QSAR方法的发展历史、基本原理、方法及研究进展。同时,详细描述了SVM算法的基本原理并总结了它在近年来的一些重要的应用。论文第二章介绍了QSAR方法和SVM算法在化学和生物学方面的应用。简单描述如下: 1.应用支持向量机分类算法预测了126种常用药物在哺乳期母体的乳汁和血清中的浓度比率M/P。用线性判别分析算法(LDA)和支持向量机算法(SVM)建立了两种分类模型,对测试集(30种药物)的分类准确率分别是76.7%和90%,表明非线性的SVM模型的分类预测能力高于线性的线性判别分析模型。 2.QSAR方法用于预测152个九肽与HLA-A~*0201蛋白质分子的结合亲合力。用启发式方法(HM)和支持向量机算法建立了两种预测模型,它们对测试集预测的均方根误差(RMS)分别为0.511和0.312。可以看出,SVM模型的预测性能较好。同时,对九肽每个位置上氨基酸分布频率的分析有助于我们更好的了解结合过程,有利于多肽类药物的设计、合成和筛选。QSAR法和SVM方法能够为免疫学的发展和寻找新的疫苗和药物作出贡献。 3.应用支持向量机方法预测了28个蛋白质的折叠率。为了比较SVM模型

全文目录

摘要  8-11
Abstract  11-14
论文创新之处  14-15
第一章定量结构-活性关系的基本原理、方法及研究进展  15-66
  1.1 QSAR方法简介  15
  1.2 QSAR方法的发展历史  15-16
  1.3 主要的QSAR方法  16-20
  1.4 QSAR方法的基本步骤  20-29
    1.4.1 数据的获得和整理  20-23
    1.4.2 分子描述符的计算  23-24
    1.4.3 描述符的选择  24-26
    1.4.4 预测模型的建立  26-29
  1.5 QSAR方法的主要应用  29-31
  1.6 人工神经网络和支持向量机算法的原理  31-47
    1.6.1 人工神经网络方法  31-34
    1.6.2 支持向量机方法  34-47
      1.6.2.1 统计理论  36-38
      1.6.2.2 支持向量机分类算法  38-42
      1.6.2.3 支持向量机回归算法  42-44
      1.6.2.4 支持向量机方法的应用  44-47
  参考文献  47-66
第二章 QSAR研究在化学和生物信息学中的应用  66-130
  2.1 应用SVM方法预测药物在乳汁和血清中的浓度比率M/P  66-77
    2.1.1 研究背景  66-68
    2.1.2 数据和方法  68-73
    2.1.3 结果与讨论  73-76
    2.1.4 结论  76-77
  2.2 QSAR方法用于预测蛋白质与多肽的结合亲合力  77-91
    2.2.1 研究背景  77-79
    2.2.2 数据和方法  79-85
    2.2.3 结果与讨论  85-91
    2.2.4 结论  91
  2.3 应用SVM方法预测蛋白质折叠率  91-99
    2.3.1 研究背景  91-93
    2.3.2 数据和方法  93-94
    2.3.3 结果与讨论  94-99
    2.3.4 结论  99
  2.4 应用SVM方法预测蛋白质─配体结合的亲合力  99-107
    2.4.1 研究背景  99-101
    2.4.2 数据和方法  101-104
    2.4.3 结果与讨论  104-107
    2.4.4 结论  107
  2.5 基于SVM方法对婴幼儿厌食症的辅助诊断  107-117
    2.5.1 研究背景  107-108
    2.5.2 数据和方法  108-112
    2.5.3 结果与讨论  112-117
    2.5.4 结论  117
  参考文献  117-130
第三章 QSAR研究在科学研究中的应用  130-182
  3.1 内分泌干扰物与雄性激素受体结合的QSAR研究  131-146
    3.1.1 研究背景  131-133
    3.1.2 数据和方法  133-138
    3.1.3 结果与讨论  138-145
    3.1.4 结论  145-146
  3.2 应用SVM方法预测有机物对水生生物的毒性  146-152
    3.2.1 研究背景  146-147
    3.2.2 数据和方法  147-149
    3.2.3 结果与讨论  149-152
    3.2.4 结论  152
  3.3 QSAR方法用于研究多溴联苯醚(PBDE)的毒性、蒸气压和正辛醇/空气分配系数  152-172
    3.3.1 PBDE的毒性研究  154-167
    3.3.2 PBDE的蒸气压和正辛醇/空气分配系数的研究  167-172
  参考文献  172-182
附录Ⅰ 在读博士学位期间发表论文目录  182-184
附录Ⅱ 作者简介  184-185
致谢  185-186

QSAR研究在生命分析化学和环境化学中的应用

内容摘要

全文目录

相似论文