基于K-最近邻、K-均值聚类和投影寻踪模式识别方法的有机物熔点的QSPR研究

摘要

化合物的熔点是其基本物理特性之一，对于有机化合物，在一定条件下有固定的熔点，它主要受分子内和分子间相互作用的影响。根据对熔点的检测可以辨认物质的本性，也可以用于测定物质的纯度。一般研究人员会通过实验的方法来获取有机化合物的熔点，或者根据某些经验方法予以估算。但对于某些有机化合物，现有的实验方法不足以测定它的熔点，因此，采用定量构效关系对有机化合物熔点的预测显得很有必要。另外，该方法可在一定程度上节约人力、经济及时间成本。 定量构效关系在熔点上的研究已经取得了很多成果，选择不同的描述符，并采用不同的建模方法获得了合理的结论。在以上研究的基础上，本文扩展了对熔点的QSPR研究方法，主要研究工作包括以下几个方面。 （1）本论文选择了两组数据，第一组数据是只含有C、H、O三种元素的有机酸，第二组是药物类化合物，该类化合物多数为脂类化合物，部分为酮类化合物和酰胺类化合物。两组数据均是结构较为复杂的非同系物。 （2）采用ADMEWORKS ModelBuilder软件分别对两组数据进行描述符的计算和选择，然后以熔点为因变量、描述符为自变量进行定量构效关系的研究。先用稳健诊断方法（Robust Diagnostic Method）对样本进行奇异值的筛选并剔除。然后采用三种模式识别方法（K-最近邻、K-均值聚类和投影寻踪）对剩余样本进行分类。 （3）在未分类样本和分类后样本中分别随机选取20%左右的样本作为外部测试集，然后将剩余样本用球型排除算法(Sphere-exclusion Algrithms)分为训练集、内部测试集。最后再采用建模方法——多元线性回归（Multiple Linear Regression）、偏最小二乘（Partial Least Squares）、人工神经网络（Artificial Neural Network）对训练集、内部测试集和外部测试集的熔点进行建模预测。 （4）计算结构相似度，探究相似度对建模预测结果的影响。 （5）根据误差公式计算预测值与实验值之间的误差。 研究结果表明，三种模式识别方法，均可以不同程度地提高建模预测效果。从相似度的计算结果可以看出，模型的预测能力不仅与结构相似度有关，还与建模方法有关。对于三种建模方法，ANN的预测结果要优于MLR、PLS，即非线性模型的预测能力要优于线性模型。

目录

第一个书签之前

Abstract

1 引言

1.1 研究背景

1.1.1 化学计量学

1.1.2 定量构效关系

1.1.3 分子描述符

1.2 研究的数据指标

1.3 研究现状

1.4本文中基本原理与算法的简单介绍

1.4.1多元线性回归（Multiple Linear Regression，MLR）

1.4.2 偏最小二乘（Partial Least Squares, PLS）

1.4.3 人工神经网络（Artificial Neural Network，ANN）

1.4.4 模式识别方法（Pattern Recognition, PP)

1.4.4 回归建模中的稳健方法

1.4.5 样本划分

1.4.6 定量（定性）构效关系研究的建模方法

1.5 研究的目的及意义

2 只含有C、H、O三种元素的有机酸熔点的QSPR研究

2.1 数据来源

2.2 分子描述符

2.3 奇异值剔除

2.4 只含有C、H、O三种元素的有机酸的熔点的QSPR研究

2.4.1 未分类方法

2.4.2 KNN分类

2.4.3 K-均值聚类方法

2.4.4 投影寻踪方法

2.5 结果与讨论

3.1 数据来源

3.2 分子描述符

3.3 奇异值剔除

3.4 250种药物类化合物熔点的QSPR研究

3.4.1 未分类方法

3.4.2 KNN分类方法

3.4.3 K均值聚类法

3.4.4 投影寻踪方法

3.5 结果与讨论

4 结论

参考文献

附录A

附录B

药物类化合物

在学期间的研究成果

致 谢