人工神经网络预测非环状亚硝胺急性毒性的QSAR研究

• 作者: 陈雅菲 钟儒刚 白洁
• 来源期刊: 化学研究与应用
• 学科: 化学
• 关键词: 非环状亚硝胺 量子化学描述符 人工神经网络(ANN) 定量构效关系(QSAR) 急性口服毒性
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 研究论文|Academic Papers
• 页码范围: 58-67
• 页数: 10页
• 分类号: TQ015.9|O6-39
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1656.2022.01.008

摘要

在DFT-B3LYP/6-311+G(d,p)水平对60种非环状亚硝胺分子结构进行几何全优化,通过多元逐步线性回归(MSR)分析筛选出9个量子化学描述符作为自变量,log LD50(lethal dose 50％,LD50:大鼠口服急性毒性)作为因变量,采用人工神经网络(ANN)方法构建QSAR模型.经Levenberg-Marquardt(LM)算法训练得到的隐含层为10个神经元节点的多层感知机ANN模型为最优结构.采用内外双重验证的方法,分析和检验模型的稳健性.对模型的内部验证采用留一法(LOO)交叉验证和均方根误差(RMSE)评估,其结果为Q2LOO=0.9514,RMSEtrain=0.1534;外部验证结果为Q2ext=0.8842,RMSEtest=0.2948,因此构建的QSAR模型具有优秀的预测能力,为非环状亚硝胺结构和其急性毒性关系的深入理解提供理论基础.