化合物毒性及三维结构参数的定量构效关系研究

目的：建立小分子化合物毒性的三维定量构效关系模型,探索化合物毒性数据和三维结构参数之间关系的方法。方法：利用比较分子力场分析方法（CoMFA）,建立了一组对发光菌有急性毒性的小分子的三维定量构效模型。结果：模型的交叉验证相关系数q^2=0．731,非交叉验证相关系数r^2=0．973,标准偏差SE=0．122,F=70．910。结论：该模型具有较好的预测能力,表明在甲基的邻对位减小取代基体积或电负性可以降低化合物毒性。     

基于实时无标记细胞分析系统的气道平滑肌细胞收缩舒张效应检测方法的建立

该研究利用实时无标记细胞分析系统(xCELLigence real-time cell analysis system,RTCA)建立气道平滑肌细胞(airway smooth muscle cells,ASMCs)收缩舒张效应检测方法。筛选适宜细胞接种密度,接种于RTCA检测板中监测细胞动态生长曲线;利用组胺刺激细胞收缩,并计算组胺半数抑制浓度(IC_(50));在适宜组胺刺激浓度的基础上,利用特布他林模拟细胞舒张效应,并计算半数有效浓度(EC_(50))。结果显示,ASMCs为4 000个/孔接种密度培养于(16±4) h区间内,符合后续实验需求;组胺作用ASMCs 2 h后的IC_(50)为8.07 mmol/L,故选择8 mmol/L组胺刺激ASMCs可见较为明显的收缩效应;特布他林作用ASMCs 2 h后的EC_(50)为8.08×10~(–8) mol/L,故浓度为10 μmol/L和20 μmol/L的特布他林可检测到明显舒张效应(P0.05)。利用RTCA可以稳定、有效、可靠地检测ASMCs收缩舒张效应,为以ASMCs为主要研究对象的呼吸系统疾病提供参考数据和准确的检测方法。     

基于二层特征筛选的HIV-1蛋白酶特异位点预测

在抗艾滋病治疗中,HIV-1蛋白酶抑制剂发挥着重要作用。对于HIV-1蛋白酶裂解作用位点的研究有助于找到新的治疗靶点。为了对HIV-1蛋白酶特异位点进行预测,本研究用氨基酸索引数据库(Amino Acid Index,AAIndex)中的531个氨基酸物理化学性质参数直接表征肽样本的结构,通过二层特征筛选,最终将4248个表征参数降为57个表征参数。分别采取四种核函数进行HIV-1蛋白酶特异位点的支持向量机(SVM)建模,并通过10折交叉验证及外部测试集方法来验证建模的准确性。结果表明选取NormalizePolyKernel核函数进行SVM建模效果优于其他核函数(PolyKernel、PUK、RBFKernel),所建立的模型对于训练集的10组交叉验证预测准确率达到93.947%,对于外部测试集的预测正确率达到93.684%。     

锁阳中19种无机元素的NIR快速测定模型的建立与适宜测定元素筛选

目的：建立锁阳中19种无机元素含量的近红外光谱(NIR)快速测定模型,筛选适宜采用NIR技术进行测定的元素。方法：采集5个省(区)的82批锁阳样品,采用积分球漫反射方式采集样品的NIR原始光谱,采用电感耦合等离子体-质谱(ICP-MS)法测定Na、K、Ca、Mg、Fe、Zn、Mn、Co、Sr、Ni、Ag、Ba、Ti、Pb、Cr、Cd、As、Hg、Cu等19种无机元素含量的化学参考值,筛选预处理原始光谱的化学计量学方法,筛选最佳波段及因子数,以偏最小二乘法(PLS)建立NIR定量分析模型。结果：K、Ca、Mg、Mn、Co、Sr、Ti、Cr元素的决定系数R2及交叉验证R2均大于0.9,校正均方差(RMSEC)、预测均方差(RMSEP)及留一法交叉验证均方差(RMSECV)在0.52～2.20之间,模型预测值与真实值之间具有较好的相关性,预测性能较好;Ni、Zn元素的决定系数R2及交叉验证R2在0.8～0.9之间,RMSEC、RMSEP及RMSECV在0.49～1.41之间,预测值与真实值之间的相关性一般;Cu元素的决定系数R2及交叉验证R2在0.7～0.8之间,Na、Fe、Ag、Ba、Pb...     

近红外光谱法快速测定木香中木香烃内酯与去氢木香内酯的含量

本文主要研究近红外光谱法在快速测定木香药材中木香烃内酯与去氢木香内酯含量的应用。采用近红外漫反射光谱法采集木香的近红外光谱,以HPLC测量值为参考值,运用偏最小二乘法(PLS)建立木香烃内酯与去氢木香内酯含量的定量模型,并用未知样品验证该模型。结果表明所建定量模型的校正集内部交叉验证相关系数(R2)、校正均方差(RMSEC)和内部交叉验证均方差(RMSECV)分别为0.9783、0.161和0.374;经外部验证的预测相关系数(r2)和预测均方差(RMSEP)分别为0.9546和0.162。该方法操作简便,测定快速,结果准确,无污染,可用于木香药材中木香烃内酯与去氢木香内酯含量的快速测定。     

噻吩并嘧啶酮类PDE7/PDE4双重抑制剂的特征结构

磷酸二酯酶7和4(phosphodiesterase 7 and 4,PDE7 and PDE4)作为特异性水解第二信使3',5'-环腺苷酸的蛋白酶,是治疗炎症等相关疾病的重要靶点。本文以37个噻吩并嘧啶酮类PDE7和PDE4双重抑制剂为研究对象,采用比较分子相似性指数分析(Co MSIA),研究其影响化合物抑制活性的特征结构信息。结果表明,这两类抑制剂的Co MSIA的预测能力较强(Rpre2≥0.80)。其影响分子生物活性的共同特征结构主要是:(1)噻吩环上的R_2取代基为疏水场的敏感区域;(2)嘧啶酮环和R_3取代基的链接基益于采用含氢键供体的亲水性基团;(3)噻吩环所在区域益于引入包含氢键供体的基团。研究还发现,PDE7抑制剂的R_1和R_2取代基,分别适宜结合小体积的亲水性基团和大体积的基团。PDE4抑制剂的嘧啶酮环和R3取代基的链接基益于结合正电基团。本研究所得的模型和信息,可为后续新型抑制剂的设计开发提供理论指导。     

噻吩并嘧啶酮类PDE7/PDE4双重抑制剂的特征结构北大核心CSCD

磷酸二酯酶7和4(phosphodiesterase 7 and 4,PDE7 and PDE4)作为特异性水解第二信使3',5'-环腺苷酸的蛋白酶,是治疗炎症等相关疾病的重要靶点。本文以37个噻吩并嘧啶酮类PDE7和PDE4双重抑制剂为研究对象,采用比较分子相似性指数分析(Co MSIA),研究其影响化合物抑制活性的特征结构信息。结果表明,这两类抑制剂的Co MSIA的预测能力较强(Rpre2≥0.80)。其影响分子生物活性的共同特征结构主要是:(1)噻吩环上的R_2取代基为疏水场的敏感区域;(2)嘧啶酮环和R_3取代基的链接基益于采用含氢键供体的亲水性基团;(3)噻吩环所在区域益于引入包含氢键供体的基团。研究还发现,PDE7抑制剂的R_1和R_2取代基,分别适宜结合小体积的亲水性基团和大体积的基团。PDE4抑制剂的嘧啶酮环和R3取代基的链接基益于结合正电基团。本研究所得的模型和信息,可为后续新型抑制剂的设计开发提供理论指导。     

黄酮化合物色谱保留时间与其三维结构的关系研究

利用比较分子相似性指数分析（CoMSIA）方法,结合黄酮类化合物含有较多羟基、易形成较强分子内氢键的特点,建立了黄酮类化合物色谱保留时间与其三维结构的关系模型,以探讨黄酮类化合物色谱保留时间预测的新方法。模型交叉验证相关系数q2值为0．705,非交叉验证相关系数r2为0．981,表明模型具有较好的预测能力。该研究结果对进一步开展黄酮类化合物液相色谱保留参数与三维结构关系的研究提供了思路和方法。     

MC‐UVE波长选择法在近红外光谱鉴别茯苓产地中的应用研究

利用近红外光谱鉴别云南不同产区药用真菌茯苓。采用光谱标准偏差法(SSD)和蒙特卡罗无信息变量消除法(MC-UVE)逐步筛选光谱信息,利用K-S算法将白茯苓和茯苓皮划分训练集和验证集,并结合偏最小二乘判别分析法(PLS-DA)分别构建不同产区白茯苓和茯苓皮的分类模型,进一步建立不同产区茯苓的Fisher判别方程。结果表明:(1)通过主成分-马氏距离(PCA-MD)分析,白茯苓和茯苓皮的近红外光谱在主成分得分空间内呈现出较大差异,构建不同产区茯苓鉴别模型应将白茯苓及茯苓皮分开。(2)最优主成分数为5时,采用SSD筛选的886个变量(7 501.74–4 088.35cm~(-1))构建的白茯苓和茯苓皮的分类模型,其R~2、RMSECV和RMSEP分别为0.986、0.988;0.320、0.283;0.425、0.395;采用MC-UVE法分别筛选出白茯苓和茯苓皮光谱信息(34个、22个变量)建立的分类模型,其R~2、RMSECV和RMSEP分别为0.993、0.991;0.224、0.255;0.298、0.355。采用MC-UVE结合PLS-DA法建立的分类模型,有效降低了冗余信息,白茯苓和茯苓皮的R~2均有所提升,RMSECV和RMSEP均有所降低,预测正确率分别由85.71%和83.33%,提高至100%。(3)进一步采用逐步判别分析法筛选出白茯苓(6个)和茯苓皮(4个)光谱变量,建立Fisher判别方程,回代验证正确率均大于85.7%,交叉验证正确率均大于66.7%,表明所建立的Fisher判别方程能较好地鉴别不同产区的茯苓。     

基于近红外光谱法的枳实含量测定北大核心CSCD

本文应用近红外漫反射光谱法快速测定枳实中辛弗林与醇浸出物的含量。采用高效液相色谱法测定辛弗林的含量,以热浸法测定醇浸出物的含量,运用近红外光谱技术结合化学计量学方法建立枳实中辛弗林与醇浸出物的定量分析模型。并用未知样品验证该模型。结果表明辛弗林与醇浸出物的定量分析模型的内部交叉验证相关系数(R2)分别为0.98052、0.98489,校正均方差(RMSEC)分别为0.00915、0.153,预测均方差(RMSEP)分别为0.0119、0.188,验证集的预测相关系数(r)分别为0.9106、0.9484。该方法简便、快速、准确,可用于枳实中辛弗林与醇浸出物含量的快速测定。     

基于近红外光谱法的枳实含量测定

本文应用近红外漫反射光谱法快速测定枳实中辛弗林与醇浸出物的含量。采用高效液相色谱法测定辛弗林的含量,以热浸法测定醇浸出物的含量,运用近红外光谱技术结合化学计量学方法建立枳实中辛弗林与醇浸出物的定量分析模型。并用未知样品验证该模型。结果表明辛弗林与醇浸出物的定量分析模型的内部交叉验证相关系数(R2)分别为0.98052、0.98489,校正均方差(RMSEC)分别为0.00915、0.153,预测均方差(RMSEP)分别为0.0119、0.188,验证集的预测相关系数(r)分别为0.9106、0.9484。该方法简便、快速、准确,可用于枳实中辛弗林与醇浸出物含量的快速测定。     

豫南罗索线虫新种的描述

1984年9月作者在河南信阳地区发观一种寄生于致倦库蚊及三带喙库蚊等幼虫体内的索线虫。经鉴定属于线虫纲、嘴刺目、索科、罗索属的一个新种,命名为豫南罗索线虫(Roma-nomermis yunanensis Sp.nov.)。成虫体细长,前端较窄(图1),后端钝圆,无尾附器,无肛门,食道细长而多弯曲。口孔在头顶部,无唇乳突,有头乳突6个排列于同一平面(图2)。头感器中等大小,角皮较厚,无明显交叉纤维,皮下索8条(图3)。雌虫体长21.1毫米(n=36,r=14.6～28.6,SE=0.49),体宽在头乳突处为42(n=33,r=34～50,SE=0.70),在神经环处为97(n=33,r=84～112,SE=1.39),在阴门处为…     

基于作用机制的氨基恶唑啉呫吨类BACE1抑制剂的分子设计

天冬氨酰蛋白酶(β-site amyloid precursor protein cleaving enzyme 1, BACE1)作为治疗阿尔兹海默症的潜在靶点,其抑制剂的开发已成为医学领域的重要研究方向。本文以59个氨基恶唑啉呫吨类BACE1抑制剂为研究对象,运用比较分子相似性指数(comparative molecular similarity index, CoMSIA)和分子对接方法,深入挖掘影响抑制剂活性的特征结构,以及抑制剂与BACE1间的结合模式和作用力类型,并以此为基础设计新型抑制剂并预测其活性。CoMSIA模拟结果表明,由立体场、静电场、疏水场和氢键供体场4个场组合建立的构效关系模型具有较强的预测能力,交叉验证相关系数Q2=0.48, 非交叉验证相关系数Rncv2=0.94, 外部预测相关系数Rpre2=0.85;通过分子对接,发现抑制剂占据了靶标的S3、S1和S2'位点,与BACE1之间的结合主要是通过氢键作用力和π-π堆积作用实现的;占据S2'位点的R取代基是立体场、静电场和疏水场影响的敏感区域,氨基恶唑啉核心官能团是氢键供体场的敏感区域。基于以上分析获得的抑制剂特征结构信息及其与蛋白质受体的作用机制,成功设计出了新的分子并预测了抑制活性。实验所得模型和信息,为后续新型BACE1抑制剂的结构优化和改造提供了重要理论依据     

多枝状胶体金免疫层析试纸条定量检测猪尿中沙丁胺醇

以65 nm多枝状胶体金(金纳米花,Au NFs)为新型探针,建立了检测猪尿中沙丁胺醇(SAL)的免疫层析新方法。采用吸附方法将抗SAL单克隆抗体标记在Au NFs上制备检测探针,以牛血清白蛋白-SAL偶联物及羊抗鼠二抗喷涂在硝酸纤维素膜上形成试纸条检测线(T线)和质控线(C线),建立了基于T/C比值法定量检测猪尿中沙丁胺醇的新方法。Au NFs免疫层析试纸条检测SAL的定量线性范围为0.05~1.0 ng/m L(y=-21.4 ln x+10.407,R~2=0.995),半数抑制浓度(IC_(50))为0.143 ng/m L(n=5),检测猪尿中SAL的最低检测限为0.027 ng/m L。单个样品定量检测时间12 min。加标回收实验显示,试纸条批内加标回收率为101.53%~110.68%,批间加标回收率为98.86%~110.50%,批内、批间实验相对标准偏差(RSD)均小于10%。将Au NFs免疫层析试纸条与商业化酶联免疫试剂盒同时检测50个SAL加标的猪尿样品,两种方法检测结果具有良好的相关性(R~2=0.955)。     

基于位置特异性谱和输入加权神经网络的蛋白质亚细胞定位预测

蛋白质必须处于正确的亚细胞位置才能行使其功能。文章利用PSI-BLAST工具搜索蛋白质序列,提取位点特异性谱中的位点特异性得分矩阵作为蛋白质的一类特征,并计算4等分序列的氨基酸含量以及1～7阶二肽含量作为另外两类特征,由这三类特征一共得到蛋白质序列的12个特征向量。通过设计一个简单加权函数对各类特征向量加权处理,作为神经网络预测器的输入,并使用Levenberg-Marquardt算法代替传统的EBP算法来调整网络权值和阈值,大大提高了训练速度。对具有4类亚细胞位置和12类亚细胞位置的两种蛋白质数据集分别进行＂留一法＂测试和5倍交叉验证测试,总体预测精度分别达到88.4%和83.3%。其中,对4类亚细胞位置数据集的预测效果优于普通BP神经网络、隐马尔可夫模型、模糊K邻近等预测方法,对12类亚细胞位置数据集的预测效果优于支持向量机分类方法。最后还对三类特征采取不同加权比例对预测精度的影响进行了讨论,对选择的八种加权比例的预测结果表明,分别给予三类特征合适的权值系数可以进一步提高预测精度。     

基于启发式广度优先搜索的SVR参数优化方法研究

支持向量回归机(Support vector regressio,SVR)模型的拟合精度和泛化能力取决于其相关参数的选择,其参数选择实质上是一个优化搜索过程。根据启发式广度优先搜索(Heuristic Breadth first Search,HBFS)算法在求解优化问题上高效的特点,提出了一种以k-fold交叉验证的最小化误差为目标,HBFS为寻优策略的SVR参数选择方法,通过3个基准数据集对该模型进行了仿真实验,结果表明该方法在保证预测精度前提下,大幅度的缩短了训练建模时间,为大样本的SVR参数选择提供了一种新的有效解决方案。     

基于PLSR的苎麻叶片含水量估测模型建立及优化

为建立基于高光谱的苎麻叶片含水量估测模型,在大田栽培条件下,采集了360个苎麻叶片高光谱数据和相应的叶片含水量。用高杠杆值排除异常样本,用浓度梯度法划分样本集。采用多种光谱预处理方法,建立并比较各预处理方法的PLSR(partial least squares regression)模型效果,其中OSC(orthonormal signalcorrection)预处理方法最佳,预测集R^2=0. 8503,RMSEp=0. 0235。为了减少变量个数,通过OSC_PLSR模型的回归系数RC(regression coefficient)选择特征波段EB(effective bands)作为输入变量。随后,为了进一步降低计算量,本研究提出的一种新的特征提取方法:在基于RCEB建立的PLSR模型中,再次提取RC特征波长EW(effective wavelength)。由建模结果可知:与全波段相比,2种特征提取方法的变量个数均大幅减少(全波段为2 031个,RCEB为508个,RCEB_EW为16个); RCEB_PLS模型预测集指标最佳(R^2=0. 8546,RMSEp=0. 0232);与RCEB_PLS模型相比,RCEB_EW_PLSR模型预测集指标略低(R^2=0. 8499,RMSEp=0. 0234),但这种方法变量个数最少,因此综合评价效果最优。研究探讨了叶片高光谱与含水量之间的量化关系,建立基于高光谱的叶片含水量预测模型,对作物栽培中水分的实时监测和精确诊断具有实际指导意义。     

基于卷积神经网络和循环神经网络的环形RNA剪接位点识别研究

本文提出了一种基于卷积神经网络和循环神经网络的深度学习模型,通过分析基因组序列数据,识别人基因组中环形RNA剪接位点.首先,根据预处理后的核苷酸序列,设计了2种网络深度、8种卷积核大小和3种长短期记忆(long short term memory,LSTM)参数,共8组16个模型;其次,进一步针对池化层进行均值池化和最大池化的测试,并加入GC含量提高模型的预测能力;最后,对已经实验验证过的人类精浆中环形RNA进行了预测.结果表明,卷积核尺寸为32×4、深度为1、LSTM参数为32的模型识别率最高,在训练集上为0.9824,在测试数据集上准确率为0.95,并且在实验验证数据上的正确识别率为83%.该模型在人的环形RNA剪接位点识别方面具有较好的性能.     

近红外光谱技术预测猪肉的pH、嫩度和蒸煮损失

以冷却猪肉为研究对象,评价近红外光谱（NIR）技术用于肉类物理特性预测的可行性以及不同的光谱处理方法和建模方法对预测准确性的影响。试样取自排酸24h的同一批猪胴体的小里脊肉,采集4000—10000cm-1的光谱。经外部验证的偏最小二乘（PLS）模型在预测pH时表现出良好的相关性（Rc^2=0．88,Rp^2=0．80,SEC=0．08,SEP=0．084）,嫩度与蒸煮损失模型的相关性分别是Rc^2=0．50和0．57,R;=0．34和0．50。在各种光谱预处理方法中,平滑处理结合多元散射校正（MSC）或标准正态变量变换（SNV）的效果最好。     

基于支持向量回归的棉铃虫蛹发育历期估测

温度与发育速率关系模拟是昆虫学研究的一个重要内容, 传统基于经验风险最小的非线性参数模型(Logan模型、Lactin模型和王氏模型)存在诸多弊端。本文基于结构风险最小的改进支持向量回归（SVR）研究温度与棉铃虫Helicoverpa armigera蛹发育历期关系。结果表明: 与传统非线性模型相比, SVR模型性能优异; 基于全部92个样本, SVR模型拟合和留一法预测的决定系数R²分别为0.998和0.996, 估测的蛹期三基点温度更可信。从全部样本中依温度均匀选取部分样本实施独立预测, 当训练集为20个样本时, SVR模型独立预测的R²为0.981, 优于传统非线性模型中独立预测最佳的Lactin模型（R²=0.958）; 当训练集进一步减少到12个样本时, SVR模型的R²仅降低到0.964, 而传统非线性模型均已不适用。结果提示SVR模型在小样本情况下较传统非线性模型优势明显, 在昆虫发育历期估测建模中有应用前景。