咪唑类ALK5抑制剂活性的神经网络研究

• 作者: 冯惠 吴琼 周俊 堵锡华 李靖 石春玲 陈艳
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 化学
• 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
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 化学
• 页码范围: 933-938
• 页数: 6页
• 分类号: O641
• 字数: 5850字
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2019.05.022

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K 1和K 3,电性拓扑状态指数的E 19、E 21和E 24,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p IC50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.p IC50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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	堵锡华	徐州工程学院化学化工学院	122	362	9.0	13.0
2	陈艳	徐州工程学院化学化工学院	91	185	6.0	9.0
3	李靖	徐州工程学院化学化工学院	73	56	4.0	4.0
4	冯惠	徐州工程学院化学化工学院	29	26	3.0	3.0
5	吴琼	徐州工程学院化学化工学院	23	25	3.0	4.0
6	周俊	徐州工程学院化学化工学院	27	40	3.0	6.0
7	石春玲	徐州工程学院化学化工学院	10	6	2.0	2.0