一、定量结构-活性关系研究方法（论文文献综述）
顾媛媛[1]（2021）在《有机污染物在POM与水间分配系数的定量结构-活性关系研究》文中指出水环境中有机污染物的环境持久性和生态毒性是国际社会共同关注的问题。被动采样技术作为主动采样技术的有效补充,被普遍认为是识别受污染水体和评估水体中有机污染物潜在风险的可靠技术。聚甲醛（Polyoxymethylene,POM）被动取样装置具有优异的物理稳定性而更加坚固,具有光滑的表面而易于清洁,以及对一些极性化合物具有更高的吸附能力等优势而被广泛应用。有机污染物在POM与水相间的分配系数（KPOM-w）作为衡量POM被动采样器性能的关键指标,对评价有机污染物在水环境中的环境迁移具有重要意义。然而,考虑到成本和时间等原因,仅通过实验方法获取化合物的KPOM-w难以满足生态风险评价和水污染控制的需要,因此有必要开发有机污染物KPOM-w的预测模型。本研究依据经济合作与发展组织（OECD）导则,将传统的线性算法和流行的非线性方法相结合,基于两类分子描述符,构建了 6个预测化合物KPOM-w的定量结构-活性关系（QSAR）模型。此外,从分子水平的角度探讨了影响化合物分配行为的作用机制。研究内容主要包括以下几个方面:（1）以210种化合物（涵盖杀虫剂、多氯联苯、多环芳烃等13类）KPOM-w的实验值为研究对象,基于5个Abraham溶质描述符（E、S、A、B和V）,建立了多元线性自由能关系（pp-LFER）模型。经过充分的内外部验证,统计参数（Radj2=0.825,QLOO2=0.801,QBOOT2=0.791,Rext2=0.815,Qext2=0.813,CCCext=0.900）表明所构建的模型 Ⅰ 具有良好的拟合优度、稳健性以及预测能力。根据应用域（Williams图）表征结合实测值和预测值对比分析,诊断出了模型Ⅰ的两个异常点。重新构建的两个pp-LFER模型（模型Ⅱ和模型Ⅲ）展现了改进的预测性能。根据机理分析,描述符V强的正贡献（MF=0.866）表明影响KPOM-w的最主要驱动力为空穴形成作用。此外,扩散作用、氢键作用和极化/偶极作用分别对化合物分配行为起到不同程度和方向的贡献。（2）基于筛选出的4个AlvaDesc描述符（ALOGP、Mor24s、E1m和MeanDD）和多元线性回归（MLR）分析,构建了具有良好的拟合优度（Radj2=0.925,RMSEtra=0.498,p<0.001）、稳健性（QLOO2=0.922,QBOOT2=0.925）以及预测能力（Qext2=0.877,RMSEext=0.649）的预测化合物KPOM-w的QSAR线性模型（模型Ⅳ）。通过应用域表征识别出离群点,获得了修正的QSAR线性模型（模型Ⅴ）。模型内部验证和外部测试结果都显示所获得的模型具有较高的拟合优度和稳定性,可有效评估化合物的KPOM-w。机理分析表明:在溶质分子的众多性质中,疏水作用、分子空间距离、分子质量等对化合物分配行为影响显着,其中疏水性起着决定性作用。基于ANN算法建立了非线性的QSAR模型（模型Ⅵ）。其在拟合能力（Radj2=0.942,RMSEtra=0.443）、稳定性（QLOO2=0.911,QBOOT2=0.934）和预测能力（Rext2=0.907,Qext2=0.905,RMSEext=0.571）等方面均表现出更稳健和高效的性能。模型比较表明:QSAR模型明显优于pp-LFER模型,非线性模型Ⅵ在预测能力和稳定性方面效果拔群。本研究提供了多个优良模型以供选择,使得从多角度获取有机污染物KPOM-w成为可能;构建的QSAR模型具有广泛的适用范围,填补了相关技术空白;机理分析为化合物在水环境中分配行为提供理论基础和依据。
冯怡[2]（2021）在《血管抑制剂类抗癌药物的QSAR研究》文中认为恶性肿瘤就是困扰人们已久的癌症。癌细胞之所以难以被治愈是因为其并非如正常细胞一般被人类的调控系统所支配,并且它不止会对其周围的组织造成损害,还会在身体内进行扩散损害其他部位的组织。因此,寻找靶向性好且副作用小的抗肿瘤药物是医学界一直追求的目标。肿瘤血管生成抑制剂具有靶向肿瘤血管,副作用小,剂量小,疗效高,耐药性小等特点,是当今抗癌药物设计方面的研究热点。本文利用了计算机辅助药物设计技术,对蛋白酪氨酸磷酸酶（HPTPβ）类、基质金属蛋白酶2（MMP-2）类、血管内皮生长因子受体2（VEFGR-2）类、喹唑啉类以及胸苷磷酸化酶（TP）类血管抑制剂进行了定量构效关系（QSAR）、新化合物设计及化合物与大蛋白结合方式的研究,研究结果为抗癌药物进一步发展提供了理论依据。对五种血管抑制剂类抗癌药物的具体研究如下:1.以Topomer CoMFA（易位体比较分子立场分析法）为手段,以新基团搜寻为目的,首先对一系列HPTPβ类抑制剂分子创建了结构-活性模型,根据模型的验证系数、标准误差等参数可知此模型能实现对化合物活性的准确预测,证明了所建立模型是理想的。在所建模型的基础上使用Topomer search在ZINC数据库中进行筛选,以此为依据设计出5个小分子。然后利用Surflex-dock技术对抑制剂小分子与大蛋白三维结构之间的结合模式进行探究。结果表明,新设计的5个药物小分子可与蛋白酶很好地结合并形成多个稳定的氢键。QSAR研究结果可为HPTPβ类血管抑制剂药物的合成提供理论参考。2.对35个MMP-2类抑制剂通过Topomer CoMFA技术进行了建模分析。所建最优模型的非交互验证系数r2的值和交互验证相关系数q2的值分别为0.967和0.881。在所建模型的基础上使用Topomer search在ZINC数据库中进行筛选,设计出5个较为理想的新化合物。根据构建模型的参数数据可知,该模型能实现对化合物活性的准确预测,自身稳定性也值得信任,而且设计出的系列新分子与大蛋白的结合较为稳定,所以基于R基团搜索的Topomer Search技术能为MMP-2血管抑制剂类抗癌新药设计提供依据。3.借助Topomer CoMFA技术和分子全息定量结构-活性（HQSAR）技术相互验证对VEFGR-2类衍生物进行研究,分别建立QSAR模型。从参数数据可知利用这两种方法构建的模型对VEFGR-2类化合物而言预测性理想、稳定性可靠。在所建模型的基础上使用Topomer search在ZINC数据库中进行筛选,以此为依据设计新化合物并对其活性进行预测,所设计的化合物中有8个是较为理想可以进行后续工作的。最后对保留的化合物进行了分子对接实验,结果表明这两种QSAR的研究结果均可为VEFGR-2类血管抑制剂的新药研究提供理论参考。4.对喹唑啉类化合物使用比较分子力场分析法（CoMFA）、比较分子相似因子分析法（CoMSIA）和HQSAR法建立了 QSAR模型。建模数据表明这三种方法所建模型对喹唑啉类化合物的活性值均能准确预测。其中比较分子力场分析法模型中的q2=0.621,r2=0.959;比较分子相似因子分析法模型中的q2=0.522,r2=0.961;最理想的分子全息定量结构-活性模型中的q2=0.533,r2=0.871,L=199。此外,以分子对接技术为手段探索了系列化合物与受体蛋白之间的结合情况,结果表明氢键为喹唑啉类化合物与大蛋白的结合提供了较大的贡献。这些QSAR的研究工作为进一步设计更高活性的喹唑啉类血管抑制剂抗癌药物奠定了基础。5.借助CoMFA、CoMSIA手段对30个胸苷磷酸化酶（TP）类衍生物进行了 QSAR分析。比较分子力场分析法模型中的q2=0.697,r2=0.920;比较分子相似因子分析法模型中的q2=0.692,r2=0.912。统计参数表明,所建两种最优模型均可作为后续工作的基础,根据等电位图设计了 5个新TP衍生物分子,此外,以分子对接技术为手段探索了系列化合物与受体蛋白之间的结合情况,结果表明氢键为TP类化合物与大蛋白的结合提供了较大的贡献。
吴治[3]（2020）在《生物材料活性信号影响细胞行为及生物活性玻璃化学信号通过促进外泌体分泌增强细胞间相互作用的研究》文中进行了进一步梳理在组织工程领域,大量研究证实生物材料以及由其构成的组织工程支架不仅是组织构建过程中细胞生长的壁龛,其自身具有的多种活性信号,如结构信号、化学信号和力学信号,也会对细胞生长行为产生影响,继而调节组织修复过程。近年来,基于对组织发育及再生过程的进一步探究和了解,研究者逐渐认识到不同种类细胞-细胞间的相互交流在组织再生过程中也发挥重要作用。我们课题组前期研究显示,生物材料的各种活性信号对细胞-细胞间相互作用存在显着影响,从而进一步揭示了生物材料影响组织再生的潜在机制。然而,生物材料的各种活性信号在影响细胞生长行为和细胞-细胞间相互交流中扮演的具体角色以及其影响细胞-细胞间相互交流的作用机制尚不清楚。因此,本论文首先研究了两种典型的二维生物材料结构信号（电纺纳米纤维膜和二氧化钛纳米管（TNs）阵列）、一种典型的三维生物材料结构信号（多孔支架）和一种典型的生物材料化学信号（生物活性玻璃（BG）离子产物）对细胞生长行为的影响规律及扮演的不同角色。结果显示两种二维生物材料结构信号主要以表面牵引力等形式作用于细胞,影响细胞骨架结构继而调节细胞分化能力;多孔支架主要以贯通多孔结构容纳细胞持久快速增殖并维持细胞原有属性;而BG离子产物则主要以活性离子形式作用于细胞,影响细胞增殖并调节细胞分化功能。而且,研究结果还显示,TNs阵列和多孔支架的结构信号以及BG离子产物的化学信号均能影响人骨髓间充质干细胞（HBMSCs）与人脐静脉内皮细胞（HUVECs）的细胞-细胞间相互交流,继而调节两种细胞的分化行为。研究报道,旁分泌作用在细胞-细胞间相互交流中至关重要。在通过旁分泌方式进行交流时,细胞分泌信号物质经细胞外环境递送给受体细胞,并对其生长行为进行调控。外泌体是活细胞主动分泌的一类携带有丰富信号物质的纳米囊泡,是细胞-细胞间旁分泌交流的重要信号物质载体。因此,本论文验证了外泌体在HBMSCs-HUVECs相互交流中发挥的重要作用,并进一步探究了BG离子产物对这两种细胞分泌外泌体的影响。结果显示,当细胞外泌体分泌受阻后,HBMSCsHUVECs相互作用即被显着抑制,而且BG离子产物在HBMSCsHUVECs相互交流中所发挥促进作用也被明显减弱,导致这两种细胞的分化能力显着下降。进一步研究发现,BG离子产物能明显促进HBMSCs和HUVECs分泌外泌体,同时提升两种细胞作为受体细胞时捕获内化外泌体的能力。而且,BG离子产物在不影响细胞所分泌外泌体基本囊泡特征时,明显增强HBMSCs所分泌外泌体的促血管化能力及HUVECs所分泌外泌体的促成骨分化能力。基于以上发现,本论文进一步探索了BG离子产物影响细胞外泌体分泌及其生物功能的分子机理。结果显示,BG离子产物在促进HBMSCs分泌外泌体时,主要通过上调细胞内中性鞘磷脂酶2（n SMase2）及Rab27a的基因表达和蛋白分泌,分别增强细胞内源性n SMases和Rab GTPase信号通路,继而促进细胞内腔内囊泡体（ILVs）的形成,同时加速成熟多囊泡体向质膜运转、停靠及融合,最终向细胞外空间释放出更多外泌体。而且,BG离子产物在促进ILVs生成时,可选择性地调节ILVs所携带各种信号物质的水平,如下调其微小RNA（mi R）-342-5p和上调mi R-1290的水平,从而增强HBMSCs所分泌外泌体的促血管化能力。本论文研究结果表明,BG离子产物所提供化学活性信号可通过增强细胞内源性外泌体分泌调控信号通路而稳定、安全地促进细胞分泌数量更多、生物功能更强的外泌体,同时提高受体细胞捕获内化外泌体的能力,最终通过增强细胞旁分泌作用而促进细胞-细胞间相互交流。本论文研究结果进一步阐明了生物材料活性信号在影响细胞生长行为时扮演的重要角色,并从外泌体的角度揭示了BG离子产物影响细胞-细胞间相互作用的潜在机制,为研究生物材料活性信号影响细胞-细胞间相互作用提供了一个新思路,并为提高外泌体产生以及外泌体生物功能修饰提供了一种简单可行的工程化策略。
杨红[4]（2020）在《二恶英毒性预测和毒理的理论计算研究》文中研究表明随着当今世界经济的快速发展,环境污染问题日益突出。持久有机污染物具有高毒性、持久性和生物蓄积性等特征,越来越引起人们的重视。二恶英作为一类持久有机污染物拥有大量的同系物,其中一部分毒性巨大。由于二恶英毒性实验费时费力造成毒性数据的严重匮乏,因此二恶英毒性数据的缺失以及毒性机制的不明确给人类的生产和生活都带来了巨大的影响。本工作的目的是通过使用化学信息学的理论计算方法来高效、准确研究和预测二恶英的毒性,推测其毒性机理,弥补实验化学的不足。第一章持久有机污染物二恶英和化学信息学综述。主要综述了二恶英的相关背景、前人在二恶英研究中取得的成果;介绍了化学信息学的相关知识以及本研究中所使用的化学信息学方法。第二章基于结构活性关系（SAR）和二维定量构效关系（2D-QSAR）评估并预测二恶英的毒性。在这一章中,我们的主要目的是利用结构活性关系和二维定量构效关系的方法来研究影响二恶英毒性大小的因素,并预测二恶英分子的毒性数据。首先使用定性结构活性关系分析了60种二恶英分子的结构和其毒性数值之间的关系,初步得出影响二恶英毒性的因素主要与取代基的种类、取代的位置有关。为了验证定性分析的猜测,利用二维定量构效关系建立了线性和非线性2D-QSAR模型。通过对模型进行验证,线性模型和非线性模型都具有良好的拟合度、鲁棒性、可靠性以及预测能力。分别使用这两种模型对162种缺乏毒性数据的二恶英分子进行了毒性数据预测,并使用Roy提出的方法对预测结果的准确性进行了评判,结果表明两个模型的预测值具有很高的可信度。此外二维定量构效关系还揭示了5个影响毒性的结构因素,这5个结构因素揭示的毒性机制印证了定性结构活性关系分析得到的推测。该工作补充了持久有机污染物二恶英的毒性数据库,为进一步研究二恶英的毒理提供了初步的依据。第三章基于三维定量构效关系（3D-QSAR）和分子对接研究二恶英毒性以及其与AhR的结合模式。在这章中,我们的主要目的是更准确地研究二恶英的三维结构与毒性的定量关系,并确定二恶英分子与受体蛋白质的结合模式。首先利用CoMFA和CoMSIA对两种不同骨架的二恶英分子分别建立3D-QSAR模型。通过对模型等势图的分析,发现了影响二恶英毒性的几个场,确定了这些场对应的影响二恶英分子毒性的结构特征。为了更加直观地看到小分子配体和蛋白质受体之间的结合模式,我们利用分子对接的方法研究了几个典型二恶英分子与蛋白质之间的作用。分子对接的结果表明了不同分子与受体之间不同的结合模式,从而解释了小分子配体毒性差异的原因。该工作得到的结论也进一步验证了前一个工作中得到的结论,共同揭示了影响二恶英分子毒性的结构因素,为进一步研究二恶英的毒理提供了理论依据。第四章总结与展望。在本章中,我们将论文中全部的工作进行了系统地总结,并列出了本论文得到的所有重要结论。
席尧[5]（2019）在《计算机辅助环氧合酶抑制剂的结构-活性关系研究》文中研究指明环氧合酶（COX）是花生四烯酸（AA）抗炎网络体系中的一个关键性的限速酶,它能氧化花生四烯酸生成前列腺素H2（PGH2）,从而引起发热、疼痛等一系列炎症反应。COX有两种主要的亚型——COX-1和COX-2,这两种亚型也是传统的非甾体抗炎药（NSAIDs）的靶点。本论文旨在建立较为全面的包含COX抑制剂的结构、活性及选择性信息的数据库的基础上,系统地从计算机辅助构效关系模型的角度探究COX-1抑制剂和选择性COX抑制剂的结构-活性关系。论文主要研究了以下方面的内容:（1）环氧合酶1（COX-1）抑制剂的高低活性定性分类研究及骨架分类研究。以IC50值为10 μM作为阈值将收集到的1530个COX-1小分子抑制剂划分成高活性和低活性两类,采用随机方法和自组织神经网络（SOM）的合理分集方法两种方法将COX-1抑制剂划分为两组训练集和测试集,以表示物理化学性质的描述符（CORINA描述符）和表示结构片段性质的分子指纹描述符（MACCS指纹描述符）两种描述符作为输入,采用支持向量机（SVM）、决策树（DT）和随机森林（RF）三种机器学习算法共建立了 12个COX-1小分子抑制剂的高低活性定性分类模型。最好的模型对于测试集的马修斯相关系数（MCC）达到了 0.93。为了进一步分析COX-1抑制剂的结构与高低活性之间的关系,我们结合源文献,将1530个COX-1小分子抑制剂按照结构特征划分为了 9个子集,并总结出了不同子集的结构特征。（2）环氧合酶1（COX-1）抑制剂的活性定量预测研究。以181个采用相同酶免疫测定的COX-1小分子抑制剂的结构和活性值（IC50）为基础,将它们三次随机划分为不同的训练集和测试集,并筛选出9个CORINA描述符作为输入。采用多元线性回归（MLR）算法和支持向量机（SVM）算法这两种方法建立了 6个定量预测模型。这些回归模型能够根据化合物的结构定量地预测出化合物对COX-1抑制的具体活性值。最优模型对训练集和测试集的预测相关系数R分别达到了 0.91和0.86,均方误差MSE为0.18和0.21。（3）选择性环氧合酶（COX）抑制剂的构效关系研究。首先建立了包含686个选择性环氧合酶抑制剂数据库,根据它们对COX-1和COX-2的抑制比将其划分为选择性COX-1抑制剂和选择性COX-2抑制剂两类,接着采用随机方法和SOM分集方法两种方法将这686个选择性COX抑制剂划分为训练集和测试集,分别以选择性COX抑制剂的CORINA描述符、MACCS指纹描述符以及ECFP4指纹描述符作为输入,采用支持向量机（SVM）、决策树（DT）和随机森林（RF）三种机器学习算法共建立了 18个COX抑制剂的选择性分类模型。这些模型对训练集和测试集的预测正确率均大于94%,MCC都大于0.66,证明其具有统计学意义。本论文从计算模型的角度研究了 COX-1抑制剂和选择性COX抑制剂的结构-活性关系,建立了一系列可信的机器学习模型,分析了模型结果和分子及指纹描述符,得出了一定的结论。这些模型及结论为新型抗炎药物的设计研发提供了一些参考意见。
肖梦武[6]（2019）在《化学空间分析软件与Web开发及其在NA抑制剂设计中的应用》文中进行了进一步梳理随着药物筛选技术的发展,药物研发数据呈指数级增长,涉及到分子结构、活性、理化性质、毒性、靶点、基因和信号通路等多维度的信息。这些医药大数据所分布的化学空间和维度越来越大,给药物数据分析和可视化带来了巨大的机遇和挑战。为了从这些化学空间里面找到药物研究的活性小分子,需要采用多种分析和可视化手段,从不同的角度,聚焦到更小空间来进行研究。因此本论文开发了化学空间分析与可视化工具来辅助药物设计。具体的研究内容如下:（1）化学空间分析与可视化软件和Web开发基于开源的HighCharts和vis.js图表插件,根据化学空间分析的需求,开发可显示化学信息的Python可视化工具包easyHighcharts和easyVisjs;基于以上可视化工具和RDKit,开发模块化的化学空间分析Python工具包pyChemspace,以实现化合物库理化性质、分子结构和片段信息的分析与可视化;为进一步降低药物研发者分析化学空间的门槛,加快数据分析的效率,基于以上研究,开发了化学空间交互式分析与可视化Web服务器IChemSpace（http://mwxiao.com/ichemspace）。（2）流感神经氨酸酶抑制剂化学空间分析神经氨酸酶（Neuraminidase,NA）是抗流感的重要靶点。本文收集了文献报道的流感神经氨酸酶抑制剂（NA Inhibitors,NAIs）,采用IChemSpace对NAIs进行化学空间分析。结果表明NAIs的理化参数不同于一般药物的理化参数规律,氢键供体数和氢键受体数的范围比较宽泛,数值相对偏大。这可能是因为流感神经氨酸酶的活性空腔是一个极性的活性空腔,引入适量的极性基团有利于与靶点蛋白NA的结合;分子骨架分析结果表明,天然产物中查尔酮和黄酮结构是较好的NA抑制活性的分子骨架;BRICS片段分析发现氨基、乙酰基、羧基、异戊基、多酚、胍基等可能是良好的NA抑制活性片段,采用这些片段来设计NA抑制剂具有一定的参考意义;（3）5-亚苄基-4-噻唑啉酮衍生物的设计、合成与NA抑制活性结合化学空间分析、分子对接、CoMFA等方法对本课题前期4-噻唑啉酮类NA抑制剂的活性结果进行构效关系研究。结果表明母核噻唑5-位引入位阻小的富电子基团对活性有利。可引入羧基、酯基、硝基和胍基等富含氧氮的小活性片段,探究基团类型、大小在该位置对活性的影响;另外亚苄基上取代基可优先引入位阻小的亲水性基团。基于此,设计合成14个4-噻唑啉酮中间体（C1C14）及52个5-亚苄基-4-噻唑啉酮衍生物（D1D52）,并测定其NA抑制活性;对母核骨架进行了系统的构效关系分析,得出以下主要结论:C4（噻唑环4-位为异丙基,5-位为羧酸甲酯基）的NA抑制活性最佳,IC50为33.60μM;噻唑环替换为恶唑环后,活性明显降低;4-噻唑啉酮环上S换为Se后,活性显着降低;噻唑环4-位取代基对母核的活性影响最大,引入异丙基的活性(IC50=33.60μM)优于甲基(IC50=53.41μM)和正丙基。4-噻唑啉酮母核5-位引入亚苄基后产物的活性整体上比其对应原料活性高;活性最优的化合物为D18,即噻唑环4-位为甲基,5-位为甲酸乙酯基,苯环为3-甲氧基-4-羟基取代时,IC50值为13.06μM,其次D15、D16、D25、D38、D53、D56、D59和D67的活性值均优于前期研究中活性最优的化合物J22;通过对比各系列化合物改造前后活性变化,发现不同取代的4-噻唑啉酮引入4-CO2H、4-OH或3-OCH3-4-OH取代的苄亚甲基后活性均有较大的提升。进一步构效关系分析表明4-噻唑啉酮和阿魏酸片段为此类化合物必要的NA抑制活性片段。
王继叶[7]（2017）在《基于量子化学的稀土异戊橡胶催化剂结构—活性定量构效关系研究》文中进行了进一步梳理异戊橡胶是异戊二烯在配位聚合催化剂作用下进行定向聚合得到的综合性能最好的合成橡胶,可代替天然橡胶使用,在天然橡胶消费主要依赖进口的我国发展异戊橡胶产业具有重要的战略意义。稀土异戊橡胶一般是用以羧酸钕为主催化剂的稀土催化剂生产的,因其催化剂配制工艺简单、活性高,聚合产物性能好,生产排放废水少,故正成为异戊橡胶发展的方向。我国异戊橡胶产业起步晚,但起点高,目前主要以生产稀土异戊橡胶为主。生产稀土异戊橡所使用的稀土催化剂的活性虽然比钛系催化剂高,但稀土钕的利用率不到10%,催化活性提高的空间仍很大。因此,研究稀土异戊橡胶聚合催化剂的结构-活性定量构效关系（QSAR）,揭示催化活性高低的机理,指导设计开发高活性催化剂以降低生产成本,这不但具有重要的理论意义,也具有很高的实用价值。催化剂结构-活性定量构效关系就是描述催化剂分子结构与其催化活性之间相关性的数学模型。本研究首先利用基于量子化学密度泛函理论（DFT）的量子化学计算软件ADF2014计算了17种不同碳数和异构化的羧酸钕分子结构的多个量子化学描述符,从中筛选出几个可能与催化活性有关的关键描述符,作为建立QSAR模型的自变量;其次,研究了这17种羧酸钕的合成与表征方法,并实验合成与表征了这17种羧酸钕;然后,通过聚合实验,研究测定了其对异戊二烯配位聚合的催化活性,获得了QSAR模型的因变量数据;最后,采用合适的方法建立了稀土异戊橡胶催化剂的QSAR模型,并将其应用于解释羧酸钕催化剂活性高低的机理和预测催化剂的活性。ADF2014软件对于像羧酸钕这类含有稀土原子的化合物体系的计算,能很好地兼顾计算的准确度和计算效率。研究确定了具体的计算方法,包括分子初始几何结构的建模方法、软件计算参数的设置、分子初始几何构型简化和构象搜索的省略等。研究结果表明,计算方法的重现性较好,计算得到的不同结构羧酸钕配合物分子描述符之间的变异显着,能够满足QSAR建模的需要。利用变异百分数和相关系数矩阵筛选出了四个量子化学描述符:最高已占分子轨道能量εHOMO、最低未占分子轨道能量εLUMO、偶极矩μ和配体极化率α。计算获得了17个羧酸钕配合物分子的这四个量子化学描述符数据。对17种羧酸钕的合成与表征方法进行了实验研究,并合成了纯度较高的17种羧酸钕配合物。根据不同碳数与异构化的羧酸配体及其相应羧酸钕配合物的物化性质差异,将17种羧酸钕的合成方法分为三类:氢氧化钕水相法、氯化钕水相法和氯化钕油水两相法。研究确定了各类合成方法的具体操作步骤、工艺控制条件及产物的分离、提纯、干燥方法。采用氢氧化钕水相法合成易溶于水的羧酸钕时,减压蒸发结晶得到的产物纯度高于常压蒸发结晶,滤饼真空干燥得到的产物纯度大于滤液真空蒸干后得到的产物纯度;采用氯化钕油水两相法合成羧酸钕时,水相PH值的大小对产物纯度的影响很大,当控制水相PH值在5.5-6.0之间时,得到的产物纯度较高。研究确定了异戊二烯在稀土催化剂作用下进行配位聚合的实验方法,通过对单体、溶剂、聚合瓶等的严格处理,控制聚合实验转化率在30-70%之间,以及通过多个重复实验取平均值,并对不同批次实验之间的结果进行可比性处理等措施,保证了实验结果的准确性与可比性。实验获得了17种羧酸钕催化剂的催化活性数据,其相对催化活性从2.21%到100%之间变化,变化范围广,且各催化剂活性之间差异也较大,适宜用来进行QSAR研究。在对自变量个数与因变量数据进行统计处理的基础上,分别利用线性和非线性方法建立了催化剂结构与其催化活性之间的QSAR模型。利用偏最小二乘法建立的线性模型为:A=56054.39εHOMO+46.18μ+5.94σ+13603.81,其表明催化活性A与羧酸钕分子的最高已占分子轨道能量εHOMO、分子偶极矩μ和配体的极化率σ都正相关,并且εHOMO的影响最大,其次为配体极化率,分子偶极矩的影响最小。利用该模型可以解释羧酸钕催化剂催化活性大小的机理,而且其判定系数r2=0.9620,交叉验证判定系数r2（CV）=0.9412,两者都接近1,说明模型的质量较好、预测能力较强;利用神经网络分析方法建立了稀土异戊橡胶催化剂结构参数与催化活性之间的非线性QSAR模型,其判定系数r2=0.9737,交叉验证判定系数r2（CV）=0.7947,说明模型的质量较好、预测能力尚可。最后,将研究获得的QSAR模型成功地应用于解释催化剂活性高低的机理和定性定量地预测催化剂的活性。线性QSAR模型可以很好地解释催化剂活性高低的机理,即羧酸钕分子的最高已占分子轨道能量、偶极矩和配体极化率越大,则与越容易与助催化剂反应而获得更多、更稳定的催化活性中心,催化活性自然就高。线性QSAR模型和非线性QSAR模型都能用于催化剂活性的定量预测,实验值与预测值的相对偏差在±10%以内,预测准确度较高。
彭建彪[8]（2017）在《常见类芬顿体系降解水中新型氯代消毒剂的机理研究》文中提出氯代消毒剂（TCS、CF和DCF）同属一种广谱型抗菌剂,常用作洗涤剂及药物和个人护理品（PPCPs）的活性成分。氯代消毒剂的大量使用,使得它们不可避免地进入环境中。近年来,随着分析仪器的发展和完善,在土壤、地表水、河流、废水及沉积物中,甚至在鱼体及人体的血液和母乳内均有氯代消毒剂的检出。由于氯代消毒剂的结构类似羟基化多溴联苯醚（OH-PBDEs）和多氯联苯（PCBs）,所以它们对人体健康和生态环境的潜在危害越来越受到人们的关注。现有的处理水中氯代消毒剂的方法有光降解,电芬顿降解,生物降解,酶降解和吸附处理等。然而,它们由于各自的缺点限制了其广泛应用。近年来,过渡金属离子Fe3+、Cu2+、Co2+等与过氧化氢（H2O2）组成的类芬顿体系在各种有机污染物处理应用中逐渐成为一种常用的方法。相比芬顿体系,类芬顿体系具有金属离子用量少、有效pH范围广的优点,可以在近中性条件下催化降解污染物。类芬顿体系是一种操作简单、经济、有效且环境友好的处理方法。本文系统的研究了两种常见类芬顿体系对三种氯代消毒剂的降解过程。主要的研究结论如下:（1）羧基化多壁碳纳米管（MWCNTs-COOH）或氧化石墨烯（GO）促进Fe3+/H2O2类芬顿体系降解水中氯代消毒剂的机理研究。通过实验条件优化的结果,表明氯代消毒剂的最佳反应条件为:pH 4.0,[Fe3+]=0.04 mmol/L,[H2O2]=0.6 mmol/L,[MWCNTs-COOH]=2.0 mg/L,且在该反应条件下它们的降解均符合假一级动力学,TCS、CF和DCF的降解速率常数分别为0.1208、0.0395和0.0764 min-1;由TEM、Raman、XPS和FT-IR等表征结果可知,反应前后MWCNTs-COOH形貌未发生变化,元素组成稍微改变;通过自由基淬灭和电子顺磁共振（EPR）实验结果可知,·OH是该反应体系中唯一的活性氧物种（ROS）;通过测定加和不加MWCNTs-COOH两组实验中Fe2+的生成量、H2O2的分解和·OH的稳态浓度[·OH]ss结果可知,MWCNTs-COOH的加入,可以加快Fe2+生成和H2O2分解,导致[·OH]ss升高;它们的降解途径主要有三条:醚键断裂、羟基化反应和脱氯加羟基反应。（2）碳酸氢根（HCO3-）促进Cu2+/H2O2类芬顿体系降解水中氯代消毒剂的机理研究。通过实验条件优化的结果,表明氯代消毒剂的最佳反应条件为:[Cu2+]=0.01 mmol/L,[H2O2]=1.0 mmol/L,[HCO3-]=2.0 mmol/L,且在该反应条件下它们的降解均符合假一级动力学,TCS、CF和DCF的降解速率常数分别为0.0323、0.0298和0.0224 min-1;通过自由基淬灭实验结果可知,·OH和O2-·是该反应体系中主要的活性氧物种（ROS）;通过紫外全波长谱图、循环伏安法（CV）和·OH的稳态浓度[·OH]ss测定结果可知,HCO3-的加入,可以与Cu2+反应生成一种配合物[Cu（HCO3）]+,该配合物可充当催化剂催化H2O2分解,导致[·OH]ss升高;它们的降解途径主要有三条:醚键断裂、羟基化反应和聚合反应。毒性实验结果表明,反应120 min后溶液对斜生栅藻（Scenedesmus obliquus）的毒性完全得到去除。（3）Cu2+/H2O2类芬顿体系催化活性与水中氯代消毒剂结构关系研究。首先,除TCS、CF和DCF之外,另选取其他14种结构类似的氯酚化合物;其次,通过实验测定获取上述17种化合物的降解速率常数,并用Gaussian 09计算获取它们的7种结构参数和7种热力学参数;然后,用SPSS统计分析软件以降解速率常数为自变量,14种参数为因变量进行多元线性回归建立结构活性相关（QSAR）模型k*1000=15.135+291.290 Ehomo+0.310 Cvθ+113.117 qH+,相关系数R2 为0.878,交叉验证相关系数q2为0.805。方差分析、标准t检验和交互验证系数的结果分别表明,该进入模型中的三个参数具有显着统计意义、模型的可靠性和良好的稳定性。
赵亚玲[9]（2017）在《基于人工神经网络的QSAR模型在混合物联合毒性中的应用研究》文中指出定量结构-活性关系（QSAR）是一种研究化合物分子结构与其物化性质或生物活性间关系的方法,目前在国内外都是一个研究热点。从QSAR提出至今不过80余年的时间,该方法就已经在化学、毒理学、环境科学和生态科学等领域有了重要的应用。考虑到实际生态环境中化合物大多以混合物的形式存在,近些年研究人员开始关注混合物的QSAR研究,用QSAR模型来预测混合物的联合毒性是意义重大的研究课题。论文的第一章详述了本研究的意义,QSAR的国内外研究现状,本研究的内容、方法、创新点以及研究的技术路线。论文的第二章介绍了QSAR的发展史、几种经典的QSAR模型、QSAR模型的建模步骤、QSAR方法的应用、混合物的QSAR研究现状以及人工神经网络的原理。论文的第三章和第四章分别对不同的混合物进行了QSAR建模研究,简单叙述如下:（1）选择了12种苯系物,包括非极性麻醉型化合物与极性麻醉型化合物,不同的混合物就在这些化合物中分类生成,然后对不同的混合物进行QSAR模型的建立。（2）计算混合物的混合分子结构描述符,其中拓扑参数需要先分别计算出单一化合物的描述符再进行数学运算得到混合物的描述符,本研究提出了一种混合描述符的计算方法。将分子结构描述符分为物理化学参数、拓扑参数和量子化学参数三类,分别通过查阅文献、软件E-dragon和软件Gaussian09计算获得。最终选取了33个常用的、经典的描述符,物化参数、拓扑参数与量化参数的个数分别为10、12和11。（3）结合多种筛选方法,提出了一种新的变量筛选规则。采用软件SPSS19.0里的多元线性回归（包括前进法、后退法和逐步回归法）与主成分分析法进行分子结构描述符的筛选,剔除存在严重自相关的变量。由于非极性与极性物质之间的结构、性质差异,两类混合物选出的描述符不尽相同,个数分别为6和7。对单一描述符和毒性数据间进行建模,结果表明不同描述符对混合物毒性的贡献值不同,而同一描述符在不同的混合物中对混合物毒性的贡献值也不相同。（4）采用R语言建立模型并验证,分别采用了多元线性回归、偏最小二乘、支持向量机方法与BP神经网络进行比较分析,采用内、外部方法同时对模型进行验证,计算了相关系数QCV2、均方根误差RMSEV和QF12三个统计量。结果表明两类混合物所建的4个模型均具有较好的拟合优度、稳健性和预测性,但综合指标来看,不管是在非极性混合物还是极性混合物中,BP神经网络模型还是要优于其它3个模型,说明ANN方法适用于混合物的QSAR模型建立。本研究的创新点在于在QSAR模型中引入了不同种类的分子结构描述符,比起单一或单类的描述符要更加全面。对描述符进行变量筛选的时候,采用了结合几种方法的综合选择结果,得到的描述符与混合物毒性具有较高的相关性并且描述符间相互独立。关于混合拓扑描述符,现今还没有相关计算方法,本研究提出了一种简单计算方法。建模采用的监督学习型人工神经网络方法,与简单的线性建模方法相比能更好地处理非线性关系,结果也表明ANN方法建立的模型具有很好的预测能力和稳健性。
陆婷婷[10]（2016）在《PDE4/PDE7双重抑制剂的结构-活性关系研究》文中认为磷酸二酯酶是一大类酶的总称,包含11个基因家族（PDE1-11）。其中PDE4和PDE7是炎症药物的作用靶标。PDE4专一性抑制剂在体内显示出良好的抗炎作用。然而,由于PDE4专一性抑制剂普遍具有恶心和呕吐等副作用,使其应用受到了很大的限制。有研究表明,同时阻抗PDE4和PDE7酶能够避免这些副作用的出现,同时保持药效。因此PDE4/PDE7双重抑制剂作为新的抗炎药物的设计方向,受到了广泛的关注。本文在第1章中首先介绍了PDE4,PDE7酶的亚型、功能以及在体内的分布,然后对PDE4/PDE7双重抑制剂的结构和类型进行了系统的综述。在论文第2章中,我们利用比较分子力场分析法（Co MFA）以及Topomer Co MFA方法对59个双氢二氮杂萘酮类双重抑制剂其衍生物进行了结构-活性关系研究。计算结果表明,采用刚性分子骨架叠合时,能获得较好的结构-活性关系预测。其中对于PDE4酶靶标而言,Co MFA方法预测的q2和r2分别为0.535和0.946。对PDE7酶靶标而言,Co MFA预测的q2和r2值则分别0.655和0.924。Topomer Co MFA分析结果表明,在二氢二氮杂萘酮类化合物的苄基取代基（R1）苯环对位以及苯胺基取代基（R2）苯环邻位引入体积较大的电负性基团,或者在R1和R2取代基苯环上邻间位引入体积较小的带正电的基团能够提高化合物的抑制活性。在第3章的工作中我们评估了Auto Dock和MM-PBSA两种不同方法预测PDE抑制剂分子与受体的结合自由能的能力。通过对20个已知的PDE抑制剂小分子的结合自由能计算,我们发现Auto Dock或MM-PBSA预测的结合自由能与小分子抑制活性的负对数值（p IC50）之间的相关性很差,相关系数r仅为0.40和0.47。将Auto Dock或MM-PBSA的结合能预测值分解成静电能,范德华（含氢键）作用能以及溶剂化能等组成项,然后将p IC50值与各组成项进行多元线性回归,所得到的相关系数则分别升高为0.75和0.67。我们的研究结果表明,对于磷酸二酯酶体系,Auto Dock或MM-PBSA预测小分子抑制活性的能力均较差,重新对能量组成项进行多元线性回归则更有利于活性的预测。在第4章中,我们进行了基于配体的PDE4/PDE7双重抑制剂虚拟筛选研究。首先利用Auto Dock程序研究了3个代表性的抑制剂与PDE4或PDE7的结合模式,然后利用Open Eye软件中的Rocs程序对这些结合模式进行分析并提取了这些抑制剂活性构象的三维形状和静电分布等特征。然后,以这些特征作为搜索条件,利用Rocs程序对Spec数据库进行相似性搜索,以获得外形和静电特征与搜索条件匹配较好的候选分子。随后,再利用成药规则对上述分子进行第二次筛选,剔除不符合成药特征的分子。最后,再对剩余的分子进行了分子对接研究,挑选出具有经典结合特征且结合能低于-8kcal/mol的分子结构,获得了78个分子。我们购买了这些分子并对其进行了PDE4/PDE7抑制活性测试,最终发现其中有27个抑制剂分子在10u M浓度下对PDE4和PDE7抑制率均大于50%。这些实验研究结果表明,抑制剂阳性率高达35%,证明我们的虚拟筛选策略是成功的。综上所述,我们在理论上探讨了PDE4/PDE7双重抑制剂的多种设计策略,并成功的利用相似性搜索策略获得了具有显着抑制活性的分子。这些分子可以作为先导化合物,用于进一步的优化和设计。我们的设计策略也可以用于其他类似的体系。
二、定量结构-活性关系研究方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、定量结构-活性关系研究方法（论文提纲范文）
（1）有机污染物在POM与水间分配系数的定量结构-活性关系研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 水环境中有机污染物的污染现状 |
| 1.2 水环境中有机污染物被动采样技术 |
| 1.2.1 被动采样概述 |
| 1.2.2 水环境中平衡被动采样技术原理 |
| 1.2.3 水相被动采样器种类 |
| 1.3 有机污染物的POM-水分配系数(K_(POM-w)) |
| 1.3.1 分配系数K_(POM-w)的定义 |
| 1.3.2 分配系数K_(POM-w)的实验测定 |
| 1.3.3 分配系数K_(POM-w)的预测研究 |
| 1.4 定量结构-活性关系(QSAR) |
| 1.4.1 QSAR的含义及意义 |
| 1.4.2 QSAR相关分子描述符 |
| 1.4.3 QSAR的发展历程 |
| 1.4.4 QSAR的构建方法 |
| 1.5 研究意义、研究内容与技术路线 |
| 1.5.1 研究意义 |
| 1.5.2 研究内容 |
| 1.5.3 技术路线 |
| 第2章 材料与方法 |
| 2.1 数据集 |
| 2.2 分子描述符 |
| 2.2.1 Abraham描述符 |
| 2.2.2 AlvaDesc描述符 |
| 2.3 模型的构建方法 |
| 2.3.1 多元线性回归(MLR) |
| 2.3.2 人工神经网络(ANN) |
| 2.4 模型的应用域 |
| 2.4.1 欧式距离法 |
| 2.4.2 Leverage法 |
| 2.5 模型的评价及验证 |
| 2.5.1 拟合效果 |
| 2.5.2 稳定性 |
| 2.5.3 预测能力 |
| 第3章 有机污染物POM-水分配系数的pp-LFER研究 |
| 3.1 前言 |
| 3.2 pp-LFER模型(模型Ⅰ) |
| 3.2.1 构建与验证 |
| 3.2.2 应用域表征 |
| 3.3 调整后的pp-LFER模型(模型Ⅱ和模型Ⅲ) |
| 3.4 pp-LFER模型的机理解释 |
| 3.5 本章小结 |
| 第4章 基于MLR和ANN的有机污染物POM-水分配系数的QSAR研究 |
| 4.1 前言 |
| 4.2 AlvaDesc描述符筛选 |
| 4.3 基于线性算法的QSAR模型(模型Ⅳ) |
| 4.3.1 构建与验证 |
| 4.3.2 应用域表征 |
| 4.4 修正的基于线性算法的QSAR模型(模型Ⅴ) |
| 4.5 基于非线性算法的QSAR模型(模型Ⅵ) |
| 4.6 QSAR模型的机理解释 |
| 4.7 模型比较 |
| 4.8 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（2）血管抑制剂类抗癌药物的QSAR研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 癌症简介及抗癌药物的发展趋势 |
| 1.1.1 癌症概述 |
| 1.1.2 抗肿瘤药物的分类 |
| 1.2 血管抑制剂类抗癌药物概述 |
| 1.2.1 血管生成抑制剂的概念 |
| 1.2.2 肿瘤血管生成抑制剂 |
| 1.3 计算机辅助药物设计 |
| 1.4 定量结构-活性关系研究 |
| 1.4.1 CoMFA和CoMSIA技术 |
| 1.4.2 Topomer CoMFA技术 |
| 1.4.3 HQSAR技术 |
| 1.5 分子的虚拟筛选 |
| 1.6 分子对接技术 |
| 1.7 本文研究内容与意义 |
| 1.7.1 研究内容 |
| 1.7.2 研究意义 |
| 2 HPTPβ类血管抑制剂化合物的Topomer CoMFA研究及分子设计 |
| 2.1 实验数据采集与划分 |
| 2.2 分子对接 |
| 2.3 结果分析与讨论 |
| 2.3.1 Topomer CoMFA结果分析 |
| 2.3.2 3D-QSAR等势图分析 |
| 2.3.3 分子设计 |
| 2.3.4 分子对接与结果分析 |
| 2.4 小结 |
| 3 MMP-2类血管抑制剂化合物的3D-QSAR研究 |
| 3.1 数据来源与分子结构构建 |
| 3.2 分子对接 |
| 3.3 结果与讨论 |
| 3.3.1 Topomer CoMFA模型结果分析 |
| 3.3.2 3D-QSAR等势图分析 |
| 3.3.3 分子设计 |
| 3.3.4 分子对接结果分析 |
| 3.4 小结 |
| 4 VEFGR-2类血管抑制剂化合物的Topomer CoMFA和HQSAR研究 |
| 4.1 方法与步骤 |
| 4.2 结果与讨论 |
| 4.2.1 QSAR模型建构 |
| 4.2.2 QSAR结果分析 |
| 4.2.3 分子设计 |
| 4.2.4 分子对接与结果分析 |
| 4.3 小结 |
| 5 喹唑啉类血管抑制剂化合物的CoMFA,CoMSIA和HQSAR研究 |
| 5.1 实验数据采集与划分 |
| 5.2 分子叠合 |
| 5.3 结果与讨论 |
| 5.3.1 QSAR模型的构建 |
| 5.3.2 CoMFA和CoMSIA模型结果分析 |
| 5.3.3 HQSAR模型分析 |
| 5.3.4 分子对接与结果分析 |
| 5.4 小结 |
| 6 胸苷磷酸化酶(TP)类血管抑制剂化合物的CoMFA和CoMSIA研究 |
| 6.1 数据采集与分子叠合 |
| 6.2 结果与讨论 |
| 6.2.1 QSAR模型的构建 |
| 6.2.2 CoMFA模型的三维等势图分析 |
| 6.2.3 CoMSIA模型的三维等势图分析 |
| 6.2.4 分子设计 |
| 6.2.5 分子对接与结果分析 |
| 6.3 小结 |
| 7 全文总结 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位论文期间发表的学术论文 |
（3）生物材料活性信号影响细胞行为及生物活性玻璃化学信号通过促进外泌体分泌增强细胞间相互作用的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 英文缩略词表 |
| 第一章 绪论 |
| 1.1 组织工程与生物材料 |
| 1.1.1 组织工程介绍 |
| 1.1.2 生物材料介绍 |
| 1.1.3 生物材料活性信号 |
| 1.2 细胞-细胞间相互交流 |
| 1.2.1 细胞-细胞间相互交流模式 |
| 1.2.2 细胞外囊泡及外泌体介绍 |
| 1.2.3 外泌体分泌与内化 |
| 1.2.4 外泌体在细胞-细胞间相互交流的作用 |
| 1.3 细胞-生物材料相互作用 |
| 1.3.1 生物材料影响细胞生长行为 |
| 1.3.2 生物材料影响细胞-细胞间相互作用 |
| 1.3.3 生物材料影响细胞外泌体分泌 |
| 1.4 本论文课题的提出及主要研究内容 |
| 1.4.1 本论文课题的提出 |
| 1.4.2 本论文课题的主要研究内容 |
| 第二章 生物材料活性信号影响细胞生长行为及细胞-细胞间相互作用的研究 |
| 2.1 引言 |
| 2.2 试剂与设备 |
| 2.2.1 主要实验试剂 |
| 2.2.2 主要实验设备 |
| 2.2.3 基因及引物序列 |
| 2.3 研究方法 |
| 2.3.1 细胞获取、培养与分离 |
| 2.3.2 生物支架材料的制备与表征 |
| 2.3.3 生物材料活性信号对细胞生长行为及细胞-细胞间相互作用的影响 |
| 2.3.4 细胞活性与增殖 |
| 2.3.5 细胞形貌与骨架结构 |
| 2.3.6 细胞分化 |
| 2.3.7 统计分析 |
| 2.4 研究结果 |
| 2.4.1 PDLLA/PCL电纺纳米纤维膜结构信号影响细胞生长形态与分化 |
| 2.4.2 TNs阵列结构信号影响细胞增殖、形态、分化及细胞-细胞间相互作用 |
| 2.4.3 PCL多孔支架结构信号影响细胞增殖、形态、分化及细胞-细胞间相互作用 |
| 2.4.4 BG离子产物化学信号影响细胞增殖、分化及细胞-细胞间相互作用 |
| 2.5 分析讨论 |
| 2.6 本章小结 |
| 第三章 BG离子产物影响细胞外泌体分泌的研究 |
| 3.1 引言 |
| 3.2 试剂与设备 |
| 3.2.1 主要实验试剂 |
| 3.2.2 主要实验设备 |
| 3.2.3 基因引物序列 |
| 3.3 研究方法 |
| 3.3.1 细胞共培养 |
| 3.3.2 细胞分化表征 |
| 3.3.3 细胞外泌体分离与纯化 |
| 3.3.4 细胞外泌体鉴定 |
| 3.3.5 外泌体量化表征 |
| 3.3.6 外泌体内化能力评价 |
| 3.3.7 HBMSCs来源的外泌体体外功能表征 |
| 3.3.8 HBMSCs来源的外泌体体内功能表征 |
| 3.3.9 HUVECs来源的外泌体体外功能表征 |
| 3.3.11 统计分析 |
| 3.4 研究结果 |
| 3.4.1 BG离子产物影响细胞旁分泌作用 |
| 3.4.2 BG离子产物活性化学信号促进细胞外泌体的产生与内化 |
| 3.4.3 BG离子产物增强HBMSCs来源BG~+-exo的促成血管能力 |
| 3.4.4 BG离子产物增强HUVECs来源BG~+-exo的促成骨分化能力 |
| 3.5 分析讨论 |
| 3.6 本章小结 |
| 第四章 BG离子产物影响细胞外泌体分泌及功能的机制研究 |
| 4.1 引言 |
| 4.2 试剂与材料 |
| 4.2.1 主要实验试剂 |
| 4.2.2 主要实验设备 |
| 4.2.3 基因及引物序列 |
| 4.3 研究方法 |
| 4.3.1 细胞外泌体分泌通路探究 |
| 4.3.2 HBMSCs来源外泌体内含物分析 |
| 4.3.3 MiRNA功能验证 |
| 4.3.4 统计分析 |
| 4.4 研究结果 |
| 4.4.1 nSMase2与Rab27a影响HBMSCs外泌体的形成与释放 |
| 4.4.2 HBMSCs来源外泌体内含物分析 |
| 4.4.3 差异表达mi RNA功能验证 |
| 4.5 分析讨论 |
| 4.6 本章小结 |
| 第五章 全文总结 |
| 5.1 全文总结 |
| 5.2 本论文课题的创新点 |
| 5.3 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间已发表或录用的论文 |
（4）二恶英毒性预测和毒理的理论计算研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 持久有机污染物二恶英和化学信息学综述 |
| 1.1 二恶英及其研究进展 |
| 1.1.1 二恶英概述 |
| 1.1.2 二恶英的研究进展 |
| 1.1.3 二恶英研究局限 |
| 1.2 化学信息学 |
| 1.2.1 化学信息学概述 |
| 1.2.2 化学信息学方法介绍 |
| 1.2.2.1 定量构效关系 |
| 1.2.2.1 .1二维定量构效关系及其步骤 |
| 1.2.2.1 .2三维定量构效关系及其步骤 |
| 1.2.2.2 分子对接 |
| 1.3 本论文的研究工作 |
| 第二章 基于结构活性关系(SAR)和二维定量构效关系(2D-QSAR)评估并预测二恶英的毒性 |
| 2.1 引言 |
| 2.2 实验与方法 |
| 2.2.1 数据集 |
| 2.2.2 分子描述符的计算和选择 |
| 2.2.3 结构活性关系 |
| 2.2.4 模型建立 |
| 2.2.5 模型的验证 |
| 2.2.6 应用域确定 |
| 2.3 结果和讨论 |
| 2.3.1 SAR结果与讨论 |
| 2.3.2 MLR模型结果与讨论 |
| 2.3.3 ANN模型结果与讨论 |
| 2.3.4 应用域分析以及模型的比较 |
| 2.3.5 描述符解释 |
| 2.3.6 模型的预测 |
| 2.4 结论 |
| 第三章 基于三维定量构效关系(3D-QSAR)和分子对接研究二恶英的毒性以及其与AhR的结合模式 |
| 3.1 引言 |
| 3.2 实验与方法 |
| 3.2.1 3D-QSAR |
| 3.2.1.1 数据来源以及分子结构优化 |
| 3.2.1.2 模型建立以及验证 |
| 3.2.2 分子对接 |
| 3.2.2.1 同源建模 |
| 3.2.2.2 结合模式确定 |
| 3.3 结果与讨论 |
| 3.3.1 3D-QSAR模型 |
| 3.3.2 图形解释 |
| 3.3.3 分子对接结果讨论 |
| 3.3.4 模型的预测 |
| 3.4 结论 |
| 第四章 总结与展望 |
| 4.1 总结 |
| 4.2 展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（5）计算机辅助环氧合酶抑制剂的结构-活性关系研究（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 符号与缩略词说明 |
| 第一章 绪论 |
| 1.1 环氧合酶与非甾体抗炎药 |
| 1.1.1 非甾体抗炎药及其副作用 |
| 1.1.2 环氧合酶及其生理功能 |
| 1.1.3 环氧合酶的晶体结构和活性位点 |
| 1.2 计算机辅助药物设计简介 |
| 1.2.1 计算机辅助药物设计 |
| 1.2.2 结构-活性关系研究 |
| 1.2.3 机器学习算法简介 |
| 1.3 计算机辅助环氧合酶抑制剂的研究进展 |
| 1.4 本论文的研究意义及主要研究内容 |
| 第二章 环氧合酶1抑制剂的结构-活性关系研究 |
| 2.1 COX-1抑制剂结构与活性关系的定性研究 |
| 2.1.1 建立COX-1的小分子抑制剂的定性数据库 |
| 2.1.2 划分高低活性 |
| 2.1.3 划分训练集和测试集 |
| 2.1.4 数据集的化学空间 |
| 2.1.5 计算并筛选描述符 |
| 2.1.6 高低活性分类模型的参数寻优及评价标准 |
| 2.1.7 定性分类模型的结果及分析 |
| 2.1.8 MACCS指纹描述符分析 |
| 2.1.9 CORINA描述符分析 |
| 2.2 COX-1抑制剂的骨架分类研究 |
| 2.2.1 将1530个COX-1抑制剂划分为9个子集 |
| 2.2.2 将9个子集映射到自组织神经网络中的聚类图 |
| 2.2.3 子集的MACCS指纹描述符分析 |
| 2.3 COX-1抑制剂的定量预测研究 |
| 2.3.1 建立COX-1的小分子抑制剂的定量数据库 |
| 2.3.2 建模前的准备 |
| 2.3.3 定量预测模型的参数寻优及评价标准 |
| 2.3.4 定量预测模型的结果及分析 |
| 2.3.5 CORINA描述符分析 |
| 2.4 本章小结 |
| 第三章 选择性环氧合酶1和2抑制剂的结构-活性关系研究 |
| 3.1 建立小分子抑制剂数据库 |
| 3.2 划分训练集和测试集 |
| 3.3 计算及筛选分子描述符 |
| 3.4 选择性环氧合酶抑制剂模型的结果及分析 |
| 3.5 MACCS指纹描述符分析 |
| 3.6 ECFP_4指纹描述符分析 |
| 3.7 CORINA描述符分析 |
| 3.8 本章小结 |
| 第四章 总结与展望 |
| 4.1 总结 |
| 4.2 创新点 |
| 4.3 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 导师简介 |
| 作者简介 |
| 硕士研究生学位论文答辩委员会决议书 |
（6）化学空间分析软件与Web开发及其在NA抑制剂设计中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 化学空间数据资源 |
| 1.1.1 已知的化学空间数据资源 |
| 1.1.2 虚拟化学空间数据资源 |
| 1.1.3 与药物设计相关的生物学空间资源 |
| 1.2 化学空间分析与可视化方法 |
| 1.2.1 理化性质空间分析与可视化 |
| 1.2.2 化学结构空间分析与可视化 |
| 1.3 化学空间分析软件与Web服务器 |
| 1.3.1 化学空间分析软件 |
| 1.3.2 化学空间分析Web服务器 |
| 1.4 课题选择与研究内容 |
| 1.4.1 课题的选择 |
| 1.4.2 研究内容 |
| 第2章 交互式化学空间分析可视化软件与Web开发 |
| 2.1 软件设计 |
| 2.1.1 软件设计背景和目的 |
| 2.1.2 软件需求与功能设计 |
| 2.2 支持显示化学结构的交互式图表工具包的实现 |
| 2.2.1 图表可视化Python工具包easyHighcharts的开发 |
| 2.2.2 网络图可视化Python工具包easyVisjs的开发 |
| 2.3 化学空间分析软件包及Web服务器的框架 |
| 2.3.1 化学空间分析与可视化软件包的基本框架 |
| 2.3.2 化学空间分析与可视化Web服务器的基本框架 |
| 2.4 化学空间分析软件包及Web服务器的实现 |
| 2.4.1 文件读取与预处理 |
| 2.4.2 理化性质分布分析与可视化 |
| 2.4.3 化合物库交集分析 |
| 2.4.4 化合物库相似性分析 |
| 2.4.5 分子片段统计分析 |
| 2.4.6 数据降维 |
| 2.4.7 聚类分析 |
| 2.4.8 分子形状分析 |
| 2.4.9 骨架树分析 |
| 2.4.10 结构-活性/活性-活性相似性图 |
| 2.4.11 其他功能 |
| 2.5 小结 |
| 第3章 流感NA抑制剂化学空间分析 |
| 3.1 流感NA抑制剂的数据收集 |
| 3.2 流感NA抑制剂理化性质空间分析 |
| 3.3 流感NA抑制剂化学结构空间分析 |
| 3.4 流感NA抑制剂分子片段空间分析 |
| 3.4.1 Murcko骨架分析 |
| 3.4.2 环系统分析 |
| 3.4.3 BRICS分子片段分析 |
| 3.5 小结 |
| 第4章 5-亚苄基-4-噻唑啉酮衍生物的设计、合成与NA抑制活性 |
| 4.1 化合物设计 |
| 4.1.1 先导化合物的构效关系分析 |
| 4.1.2 4-噻唑啉酮类NA抑制剂的设计 |
| 4.2 实验部分 |
| 4.2.1 实验仪器与试剂 |
| 4.2.2 4-噻唑啉酮中间体(C1~C14)的合成 |
| 4.2.3 5-亚苄基-4-噻唑啉酮衍生物(D1~D52)的合成 |
| 4.2.4 4-噻唑啉酮类似物(S1~S3)的合成 |
| 4.3 结构表征 |
| 4.4 NA抑制活性与构效关系分析 |
| 4.4.1 NA抑制活性实验 |
| 4.4.2 NA抑制活性构效关系分析 |
| 4.5 小结 |
| 结论 |
| 参考文献 |
| 附录A 在学期间的成果及发表的学术论文清单 |
| 附录B 目标化合物一览表 |
| 附录C 部分化合物谱图 |
| 致谢 |
（7）基于量子化学的稀土异戊橡胶催化剂结构—活性定量构效关系研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 创新点摘要 |
| 符号说明 |
| 1 绪论 |
| 1.1 学术背景及意义 |
| 1.1.1 学术背景 |
| 1.1.2 实际价值与理论意义 |
| 1.2 文献综述 |
| 1.2.1 稀土异戊橡胶催化剂活性研究进展 |
| 1.2.2 羧酸钕配合物的合成与表征 |
| 1.2.3 量子化学计算及其应用 |
| 1.2.4 定量构效关系(QSAR) |
| 1.3 课题来源及主要研究内容 |
| 1.3.1 课题来源 |
| 1.3.2 主要研究内容 |
| 2 稀土异戊橡胶催化剂结构的量子化学计算 |
| 2.1 引言 |
| 2.2 计算部分 |
| 2.2.1 计算硬件与软件 |
| 2.2.2 计算方法 |
| 2.3 结果与讨论 |
| 2.3.1 计算方法的可靠性验证 |
| 2.3.2 量子化学描述符的选择 |
| 2.3.3 羧酸钕配合物计算结果 |
| 2.4 本章小结 |
| 3 羧酸钕配合物的合成研究 |
| 3.1 引言 |
| 3.2 实验部分 |
| 3.2.1 主要试剂 |
| 3.2.2 主要仪器设备 |
| 3.2.3 合成方法 |
| 3.2.4 羧酸钕的分析表征方法 |
| 3.3 结果与讨论 |
| 3.3.1 合成方法的选择 |
| 3.3.2 羧酸钕的表征 |
| 3.3.3 合成实验结果汇总 |
| 3.4 本章小结 |
| 4 稀土异戊橡胶催化剂活性的实验测定 |
| 4.1 引言 |
| 4.2 实验部分 |
| 4.2.1 试剂原料 |
| 4.2.2 仪器设备 |
| 4.2.3 实验方法 |
| 4.3 结果与讨论 |
| 4.3.1 催化剂用量的调整 |
| 4.3.2 聚合实验的重复性与可比性 |
| 4.3.3 催化活性实验结果 |
| 4.4 本章小结 |
| 5 稀土异戊橡胶催化剂结构-活性定量构效关系的建立 |
| 5.1 引言 |
| 5.2 定量构效关系的建立 |
| 5.2.1 变量之间的相关性分析 |
| 5.2.2 因变量数据的正态分布分析 |
| 5.2.3 QSAR模型的建立 |
| 5.3 结果与讨论 |
| 5.3.1 线性QSAR模型 |
| 5.3.2 非线性QSAR模型 |
| 5.3.3 QSAR模型有效性分析 |
| 5.4 本章小结 |
| 6 稀土异戊橡胶催化剂结构-活性定量构效关系的应用 |
| 6.1 引言 |
| 6.2 线性QSAR的应用 |
| 6.2.1 在解释催化剂活性高低的机理方面的应用 |
| 6.2.2 在催化剂活性预测方面的应用 |
| 6.3 非线性QSAR的应用 |
| 6.4 线性QSAR模型指导高活性催化剂的开发 |
| 6.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 附录1 正庚酸钕（C7）分子几何结构优化结果文件摘录 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（8）常见类芬顿体系降解水中新型氯代消毒剂的机理研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要缩略词中英文对照 |
| 第一章 绪论 |
| 1.1 三氯生、苄氯酚和双氯酚的研究进展 |
| 1.1.1 三氯生的研究进展 |
| 1.1.2 苄氯酚的研究进展 |
| 1.1.3 双氯酚的研究进展 |
| 1.2 类芬顿体系去除有机污染物的研究进展 |
| 1.2.1 Fe~(3+)/H_2O_2类芬顿体系 |
| 1.2.2 Cu~(2+)/H_2O_2类芬顿体系 |
| 1.2.3 Co~(2+)/H_2O_2类芬顿体系 |
| 1.3 定量结构活性相关概述 |
| 1.4 研究意义、内容及技术路线 |
| 1.4.1 研究意义 |
| 1.4.2 研究内容及技术路线 |
| 1.5 参考文献 |
| 第二章 Fe~(3+)/H_2O_2类芬顿体系降解水中新型氯代消毒剂的机理研究 |
| 2.1 引言 |
| 2.2 研究方法 |
| 2.2.1 实验仪器 |
| 2.2.2 材料与试剂 |
| 2.2.3 实验步骤 |
| 2.2.4 实验方法 |
| 2.3 结果与讨论 |
| 2.3.1 反应动力学 |
| 2.3.2 MWCNTs-COOH的表征 |
| 2.3.3 反应机理 |
| 2.3.4 产物鉴定 |
| 2.3.5 前线电子密度 |
| 2.4 本章小结 |
| 2.5 参考文献 |
| 第三章 氧化石墨烯促进Fe~_(3+)/H_2O_2类芬顿体系去除三氯生的机理研究 |
| 3.1 引言 |
| 3.2 研究方法 |
| 3.2.1 实验仪器 |
| 3.2.2 材料与试剂 |
| 3.2.3 实验步骤 |
| 3.2.4 实验方法 |
| 3.3 结果与讨论 |
| 3.3.1 反应动力学 |
| 3.3.2 反应机理 |
| 3.3.3 产物鉴定 |
| 3.4 本章小结 |
| 3.5 参考文献 |
| 第四章 Cu~(2+)/H_2O_2类芬顿体系降解水中新型氯代消毒剂的机理研究 |
| 4.1 引言 |
| 4.2 研究方法 |
| 4.2.1 实验仪器 |
| 4.2.2 材料与试剂 |
| 4.2.3 实验步骤 |
| 4.2.4 实验方法 |
| 4.2.5 三氯生的毒性评价 |
| 4.3 结果与讨论 |
| 4.3.1 反应动力学 |
| 4.3.2 反应机理 |
| 4.3.3 产物鉴定 |
| 4.3.4 毒性评价 |
| 4.4 本章小结 |
| 4.5 参考文献 |
| 第五章 Cu~(2+)/H_2O_2类芬顿体系降解水中新型氯代消毒剂的结构活性关系 |
| 5.1 引言 |
| 5.2 研究方法 |
| 5.2.1 实验仪器 |
| 5.2.2 材料与试剂 |
| 5.2.3 实验步骤 |
| 5.2.4 实验方法 |
| 5.3 结果与讨论 |
| 5.3.1 反应条件的优化 |
| 5.3.2 降解动力学 |
| 5.3.3 建立结构活性相关关系(QSAR)模型 |
| 5.3.4 QSAR模型的验证 |
| 5.4 本章小结 |
| 5.5 参考文献 |
| 第六章 结论与展望 |
| 6.1 本论文的主要结论 |
| 6.2 研究展望 |
| 攻读博士学位期间主要成果 |
| 致谢 |
（9）基于人工神经网络的QSAR模型在混合物联合毒性中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 定量结构-活性关系的国内外研究现状 |
| 1.3 本文主要研究内容、方法与创新 |
| 1.4 本论文的技术路线 |
| 第二章 定量结构-活性关系的原理、方法及应用 |
| 2.1 定量结构-活性关系的发展史 |
| 2.2 几种经典的定量结构-活性关系模型 |
| 2.2.1 Hansch模型 |
| 2.2.2 分子连接性指数模型 |
| 2.2.3 Free-Wilson可加性模型 |
| 2.2.4 其他几种模型 |
| 2.3 定量结构-活性关系模型的建模步骤 |
| 2.3.1 化合物生物活性数据的获取 |
| 2.3.2 分子结构描述符 |
| 2.3.2.1 分子结构描述符的分类 |
| 2.3.2.2 分子结构描述符的计算 |
| 2.3.3 变量的筛选 |
| 2.3.3.1 多元线性回归法 |
| 2.3.3.2 主成分分析法 |
| 2.3.3.3 遗传算法 |
| 2.3.3.4 模拟退火法 |
| 2.3.4 定量结构-活性关系模型建立的方法 |
| 2.3.4.1 多元线性回归 |
| 2.3.4.2 主成分回归 |
| 2.3.4.3 偏最小二乘法 |
| 2.3.4.4 遗传算法 |
| 2.3.4.5 支持向量机 |
| 2.3.4.6 人工神经网络 |
| 2.3.5 定量结构-活性关系模型的验证方法 |
| 2.3.5.1 内部验证方法 |
| 2.3.5.2 外部验证方法 |
| 2.4 定量结构-活性关系的主要应用 |
| 2.4.1 环境科学中的应用 |
| 2.4.2 毒理学中的应用 |
| 2.4.3 生态科学中的应用 |
| 2.4.4 化学中的应用 |
| 2.5 人工神经网络的基本原理 |
| 2.6 混合物联合毒性的研究 |
| 第三章 非极性麻醉型混合物的定量结构-活性关系模型 |
| 3.1 数据获取 |
| 3.2 变量筛选 |
| 3.3 模型的建立与验证 |
| 3.3.1 多元线性模型建立与验证 |
| 3.3.2 偏最小二乘模型建立与验证 |
| 3.3.3 支持向量机模型建立与验证 |
| 3.3.4 人工神经网络模型建立与验证 |
| 3.4 与已有模型的比较与分析 |
| 3.5 本章小结 |
| 第四章 麻醉型混合物的定量结构-活性关系模型 |
| 4.1 数据获取 |
| 4.2 变量筛选 |
| 4.3 模型的建立与验证 |
| 4.3.1 多元线性模型建立与验证 |
| 4.3.2 偏最小二乘模型建立与验证 |
| 4.3.3 支持向量机模型建立与验证 |
| 4.3.4 人工神经网络模型建立与验证 |
| 4.4 与已有模型的比较与分析 |
| 4.5 本章小结 |
| 第五章 全文总结与展望 |
| 5.1 全文总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 附录1 非极性麻醉型混合物的描述符值 |
| 附录2 非极性与极性麻醉型混合物的描述符值 |
| 附录3 非极性混合物的建模代码 |
| 附录4 非极性与极性混合物的建模代码 |
| 攻读硕士学位期间取得的成果 |
（10）PDE4/PDE7双重抑制剂的结构-活性关系研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 PDE4,PDE7 在体内的分布及其亚型 |
| 1.2 PDE4,PDE7 的生理功能 |
| 1.3 PDE4 专一性抑制剂的副作用和PDE4/PDE4 双重抑制剂 |
| 1.4 PDE4,PDE7 酶催化区的结构特点 |
| 1.5 PDE4/PDE7 双重抑制剂 |
| 1.5.1 噻二嗪酮-2,2-二氧化物类抑制剂 |
| 1.5.2 喹唑啉和喹唑啉酮类化合物 |
| 1.5.3 苯磺酰胺类 |
| 1.5.4 螺喹唑啉酮类化合物 |
| 1.5.5 噻二唑类衍生物 |
| 1.5.6 二氮杂萘酮类化合物 |
| 1.5.7 噻吩并吡唑类化合物 |
| 1.5.8 嘌呤或者嘧啶类化合物 |
| 1.5.9 咪唑并哒嗪酮 |
| 1.5.10 芳基茚并吡啶类化合物 |
| 1.5.11 其它PDE4/PDE7 双重抑制剂 |
| 1.6 PDE4/PDE7 双重抑制剂的设计 |
| 1.7 展望 |
| 第2章 二氢二氮杂萘酮类PDE4/7双重抑制剂的结构活性关系研究 |
| 2.1 定量构效关系 |
| 2.1.1 比较分子力场分析法CoMFA |
| 2.1.2 Topomer CoMFA |
| 2.1.3 多元线性回归(Multiple Linear Regression,MLR) |
| 2.1.4 偏最小二乘法 |
| 2.2 数据收集 |
| 2.3 模型构建 |
| 2.4 结果与讨论 |
| 2.4.1 计算结果 |
| 2.4.2 三维等势图 |
| 2.5 总结 |
| 第3章 MM-PBSA和 AutoDock预测小分子抑制能力 |
| 3.1 分子对接 |
| 3.1.1 分子对接的方法分类 |
| 3.1.2 对接软件AutoDock4 |
| 3.1.3 AutoDock4 中的结合自由能能量分解计算 |
| 3.1.4 MM-PBSA计算自由能能量分解计算 |
| 3.2 实验方法 |
| 3.2.1 小分子构建 |
| 3.2.2 受体大分子准备 |
| 3.2.3 分子对接 |
| 3.3 结果与分析 |
| 3.3.1 AutoDock计算结果分析 |
| 3.3.2 MM-PBSA计算结果分析 |
| 3.4 结论 |
| 第4章 PDE4/PDE7 双重抑制剂的虚拟筛选研究 |
| 4.1 OpenEye软件 |
| 4.2 实验与方法 |
| 4.2.1 建立查询分子 |
| 4.2.2 ROCs相似性搜索 |
| 4.2.3 对接研究——结合模式分析 |
| 4.2.4 生物活性测试 |
| 4.3 结果与讨论 |
| 4.3.1 相似性搜索 |
| 4.3.2 分子对接 |
| 4.3.3 活性测试 |
| 4.4 总结 |
| 第5章 总结 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读学位期间所发表的学术论文目录 |
四、定量结构-活性关系研究方法（论文参考文献）
- [1]有机污染物在POM与水间分配系数的定量结构-活性关系研究[D]. 顾媛媛. 扬州大学, 2021(08)
- [2]血管抑制剂类抗癌药物的QSAR研究[D]. 冯怡. 陕西科技大学, 2021
- [3]生物材料活性信号影响细胞行为及生物活性玻璃化学信号通过促进外泌体分泌增强细胞间相互作用的研究[D]. 吴治. 上海交通大学, 2020(01)
- [4]二恶英毒性预测和毒理的理论计算研究[D]. 杨红. 兰州大学, 2020(01)
- [5]计算机辅助环氧合酶抑制剂的结构-活性关系研究[D]. 席尧. 北京化工大学, 2019(06)
- [6]化学空间分析软件与Web开发及其在NA抑制剂设计中的应用[D]. 肖梦武. 湖南大学, 2019(07)
- [7]基于量子化学的稀土异戊橡胶催化剂结构—活性定量构效关系研究[D]. 王继叶. 青岛科技大学, 2017(01)
- [8]常见类芬顿体系降解水中新型氯代消毒剂的机理研究[D]. 彭建彪. 南京大学, 2017(01)
- [9]基于人工神经网络的QSAR模型在混合物联合毒性中的应用研究[D]. 赵亚玲. 电子科技大学, 2017(02)
- [10]PDE4/PDE7双重抑制剂的结构-活性关系研究[D]. 陆婷婷. 中南民族大学, 2016(03)