XiaoMi-AI文件搜索系统
World File Search System定量结构
介绍和应用定量结构 - ...
在药物设计方面进行了40年的创新，QSAR已应用于农业化学，药物化学，毒理学以及最终化学的大多数方面的实践中（Bhatia R，2011; Hansch C等，1962）。在开始时，QSAR被视为物理有机化学的逻辑扩展。由于使用相对简单的回归方法将QSAR建模已应用于一系列的过同类化合物，因此它已逐渐增长并融合到对非常大的数据集的分析中，其中包括数千种不同的分子结构，使用多种统计和机器学习技术（Cherkasov A等人，2014年）。一个多世纪以前，像弗雷斯（Crum-Brown）和弗雷泽（Fraser）这样的科学家阐明了有关物质的生理作用的想法，这是化学成分和宪法的功能。在1868年，克鲁姆 - 布朗和弗雷泽（Crum-Brown）和弗雷泽（Fraser）表达了物质在某个生物系统（Ø）中的生理作用术语以及其化学组成和构成（c）的功能（f）。
定量结构保留关系建模
摘要：反相液相色谱（RPLC）是一种常见的液态色谱模式，用于在药物生命周期内控制药物化合物。尽管如此，确定使这种分离的最佳色谱条件很耗时，需要大量的实验室工作。定量结构保留关系模型（QSRR）通过预测已知化合物的保留时间而无需执行实验，对完成这项工作有助于完成这项工作。在当前工作中，建立了几种QSRR模型，并比较了它们在预测保留时间方面的适当性。回归模型是基于线性和非线性算法的组合，例如多个线性回归，支持矢量回归，最少的绝对收缩和选择算子，随机森林和梯度增强回归。模型是针对五个pH条件的，即在pH 2.7、3.5、6.5和8.0处建立的。最后，使用堆叠结合了模型预测，并比较了所有模型的性能。建立了基于K-Near的邻居的应用域滤波器，以评估预测的可靠性以进行进一步的复合优先级。总的来说，这项研究对于与RPLC一起工作的分析化学家可以洞悉，从QSRR等计算预测建模开始，以预测小分子的分离。
化学功能的定量结构使用关系（QSUR）模型的评估和完善
•定量结构使用关系（QSUR）模型是使用化学品结构预测其功能使用的分类模型。•模型评估表明，对具有工业用例的化学物质进行测试时，我们现有的模型表现不佳。•新的化学使用数据用于使用由经济合作与发展组织开发的统一功能类别（OECD）建立精致的QSUR模型。•将14种产品使用类别的描述符（PUC）与化学结构一起纳入，以通过用例（例如，在消费产品或行业中）对功能预测进行分层。•可以为大多数经合组织函数构建成功的QSUR模型（平衡精度> 75％）。•在这些新的精制模型中，预期用例影响了功能使用的预测。
2020 年 3 月 23 日 1 QSAR：定量结构活性关系
•基于结构的筛选：当目标蛋白的结构已知时，可以采用基于受体的计算方法。这些方法涉及将每个配体显式地分子对接到目标的结合位点，从而为每个数据库化合物生成预测的结合模式以及结合位点拟合质量的测量值。然后使用这些信息对化合物进行排序，以期找到用于生物测试的化合物。
使用定量结构信息对Young的模量含有磷酸盐玻璃的预测
键由玻璃的磷酸盐成分贡献。结果，Inaba等人对Young的模量的预测。[3]比依赖MM模型中使用的氧化物解离能的值更接近测量值，特别是对于磷酸盐玻璃。在最近对Okamoto等人的Zn-SN-磷酸玻璃机械性能的研究中。[4]，通过使用金属氧键距离和金属离子配位数（由X射线和中子衍射研究确定[5-7]）来修改Inaba模型[5-7]，以钙化离子堆积分数（V P）。此外，Okamoto等。修改了Inaba等人使用的解离能。与四面体相比，与邻近的p -tetrahedra相比，通过一个（q 1）或两个（q 2）布里牛根键相比，要考虑不同的协调环境，特别是对于SN 2 + -Polyhedra，并说明了孤立的PO 4 3-（Q 0）四面体的更大刚度。Okamoto的单个氧化物解离能和体积的新值改善了对弹性模量和维克斯硬度的预测，这些弹性模量和维克硬度的硬度是几个系列X Zno-（67 -x）Sno -33p 2 O 5玻璃，具有有用的光子末端特性的组合物[4]。最近，Shi等人。[8]通过指出构成氧化物玻璃结构的金属多层的有效体积并不是构成多面体的离子半径的总和，但还必须在该多面体中包括无知的空间。通过更换
机器学习在恶性疟原虫定量结构-活性关系建模中的应用系统评价
摘要 疟疾在全球造成 200 多万人死亡。为了拉平这条曲线，需要开发新的高效抗恶性疟原虫药物。主要挑战包括缺乏适合抗恶性疟原虫检测的动物模型、对一线药物的耐药性、缺乏疫苗以及疟原虫复杂的生命周期。令人高兴的是，由于制药公司发布了大量数据集，出现了新的抗疟药物发现方法。本综述深入了解了这些新的药物发现方法，涵盖了不同的机器学习工具，这些工具有助于开发新化合物。它系统地回顾了机器学习在预测、分类和聚类抗恶性疟原虫生物活性化合物的 IC 50 值方面的应用和前景。作者确定了许多尚未用于此目的的机器学习工具。然而，随机森林和支持向量机已经广泛应用于有限的化合物数据集。
超高性能色谱中多环化合物的定量结构 - 保留关系分析
摘要：进行了比较定量结构 - 保留关系（QSRR）研究，以预测使用分子描述符的多环芳烃（PAHS）的保留时间。分子描述符是由软件龙生成的，并用于构建QSRR模型。还考虑了色谱参数的影响，例如流量，温度和梯度时间。使用人工神经网络（ANN）和部分最小二乘回归（PLS-R）来研究保留时间（以响应为响应）和预测因子之间的相关性。通过遗传算法选择了六个描述符，以开发ANN模型：分子量（MW）；环描述符类型NCIR和NR10;径向分布功能RDF090U和RDF030M;以及3D-MORSE的描述符MOR07U。PLS-R模型中最重要的描述符是MW，RDF110U，MOR20U，MOR26U和MOR30U；边缘邻接Indice SM09_AEA（DM）;基于3D矩阵的描述符spposa_rg;和逍遥布H7U。构建模型用于预测校准集中未包含的三个分析物的保留。考虑到预测集的统计参数RMSE（分别为PLS-R和ANN模型的0.433和0.077），该研究证实了与色谱参数相关的QSRR模型可以通过非线性方法更好地描述。
铝制硅酸盐眼镜的结晶行为：从结构描述符到定量结构 - 基于财产关系（QSPR）的预测模型
成功地解码了控制多组分功能玻璃中结晶的结构描述符，可以为从试用方法和玻璃/玻璃陶瓷组成设计的过渡和经验建模铺平道路，从而朝着更合理和科学严格的定量结构 - 结构 - 实用关系（QSPR）模型。然而，由于多组分玻璃的组成和结构复杂性以及与成核相关的时间和长度尺度的较长，QSPR模型的发展和验证仍在其婴儿期。本文中提出的工作是通过结合实验和计算材料科学的优势来解码化学结构驱动因素，以促进或抑制碱/碱性 - 碱性 - 钙化型Alu Minoborosilicate在基于QSPR模型的开发中，促进或抑制成核和晶体的增长的化学结构驱动因素，从而促进或抑制核的成核和晶体生长，从而使基于基于QSPR模型的开发（PAWER M.DAWAID）促进成核和晶体生长。结果揭示了以下两个描述符，这些描述符在功能玻璃中特定的铝硅酸盐相位的成核和结晶：（1）SIO 4和ALO 4单元之间的混合程度，即Si - O - a-o - al链接，以及（2）（2）在玻璃结构中的镜头阶段之间的差异（2）差异。基于已建立的组成 - 结构 - 结晶行为关系，基于聚类分析的QSPR模型已经开发（并进行了测试），以预测所研究玻璃中尼索线（和氧化足）结晶的倾向。该模型已经在目前和以前的研究中对几个组成进行了测试，并成功预测了所有玻璃成分的结晶倾向，即使在先前的经验和半经验模型失败的情况下，即使是在此情况下。
对定量结构 - 毒性关系（QSTR）模型的观点，以预测异种生物的肝生物转化
1拉贾斯坦邦中央大学NH-8微生物学系，班达·辛德里（Bandar Sindri），Dist-ajmer 305817，印度拉贾斯坦邦（Rajasthan）； raimanu1998@gmail.com（M.R.）; inshad@curaj.ac.in（I.A.K。）2 AMRIT校园化学系科学技术研究所，Tribhuvan University，Lainchaur，加德满都44600，尼泊尔； namunapaudel7@gmail.com 3印度印度大学印度理工学院生物医学工程学院，兰卡 - 瓦拉纳西221005，印度北方邦； sesesak@yahoo.com 4 Ferrara大学转化医学系，意大利Ferrara 44121； cet@unife.it（D.G. ）; veronica.tisato@unife.it（v.t。） 5中心止血和血栓形成，费拉拉大学，44121 Ferrara，意大利6 Opentrons Labworks Inc.，布鲁克林，美国纽约，11201，美国； Anurag.kanase@opentrons.com 7 Max Planck固态研究所，德国斯图加特70569； a.schulz@fkf.mpg.de 8德国联邦风险评估研究所（BFR），化学与产品安全部，Max-Dohrn-Straße8-10，10589柏林，德国 *通信：ajay-vikram.singh@bfr.bfr.bfr.bund.bund.de†这些作者对这些工作贡献了这些作品。2 AMRIT校园化学系科学技术研究所，Tribhuvan University，Lainchaur，加德满都44600，尼泊尔； namunapaudel7@gmail.com 3印度印度大学印度理工学院生物医学工程学院，兰卡 - 瓦拉纳西221005，印度北方邦； sesesak@yahoo.com 4 Ferrara大学转化医学系，意大利Ferrara 44121； cet@unife.it（D.G.）; veronica.tisato@unife.it（v.t。）5中心止血和血栓形成，费拉拉大学，44121 Ferrara，意大利6 Opentrons Labworks Inc.，布鲁克林，美国纽约，11201，美国； Anurag.kanase@opentrons.com 7 Max Planck固态研究所，德国斯图加特70569； a.schulz@fkf.mpg.de 8德国联邦风险评估研究所（BFR），化学与产品安全部，Max-Dohrn-Straße8-10，10589柏林，德国 *通信：ajay-vikram.singh@bfr.bfr.bfr.bund.bund.de†这些作者对这些工作贡献了这些作品。
