首 页    学报简介    作者投稿    专家审稿    编辑办公    读者须知    联系我们
引用本文格式: 堵锡华,李靖,吴琼,周俊,陈艳,石春玲,冯惠. 咪唑类ALK5抑制剂活性的神经网络研究 [J]. 四川大学学报: 自然科学版, 2019, 56: 933~938.
 
咪唑类ALK5抑制剂活性的神经网络研究
Neural network research on activities of imidazole activin receptor-like kinase 5 (ALK5) inhibitors
摘要点击 53  全文点击 10  投稿时间:2018-06-04  修订日期:2018-06-28
查看全文  查看/发表评论  下载PDF阅读器
DOI编号   
中文关键词   咪唑类衍生物  ALK5 抑制剂  分子结构参数  神经网络法  多元回归分析
英文关键词   Imidazole derivatives  ALK5 inhibitors  Molecular structure parameter  Neural network method  Multiple regression analysis
基金项目   国家自然科学基金,省自然科学基金
作者单位E-mail
堵锡华 徐州工程学院化学化工学院 12dxh@sina.com 
李靖 徐州工程学院化学化工学院  
吴琼 徐州工程学院化学化工学院  
周俊 徐州工程学院化学化工学院  
陈艳 徐州工程学院化学化工学院  
石春玲 徐州工程学院化学化工学院  
冯惠 徐州工程学院化学化工学院  
中文摘要
    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相关关系,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种参数,将其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,获得了较为令人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,研究可为合成高活性的抗癌新药提供理论指导.
英文摘要
    In order to establish the QSAR model to predict activities of imidazole ALK5 inhibitors, the relationship between molecular structures and the activities (pIC50) of 61 kinds of imidazole ALK5 inhibitors was analyzed. Moreover, the molecule shape indices, electrical topological state indices and electric distance vectors of these compounds were calculated. The molecule shape indices K1 and K3, the electrical topological state indices E19, E21 and E24, as well as electric distance vectors M26, M30 and M56, were optimized and screened. The eight parameters were used as input layer neuron variables of neural network and the activity data pIC50 was used as output layer neuron variable, the 8:4:1 neural network structure was adopted and the artificial neural network method was used to establish a more satisfying QSAR prediction model. The total correlation coefficient r is 0.956. The predicted values of pIC50 and experimental values are very close, and the mean relative error is 0.85%. The results showed that the neural network model has strong stability and good predictive ability. It can provide guidance for the synthesis of new anticancer drugs with high activity.

您是第 3401332 位访问者

版权所有 @ 2007《四川大学学报 (自然科学版)》编辑部
地址: 四川省成都市武侯区四川大学望江校区文科楼330至342室  邮编: 610064
电话: (028)85410393  传真: (028)85410393  E-mail: scdx@scu.edu.cn
本系统由北京勤云科技发展有限公司设计