XiaoMi-AI文件搜索系统
World File Search System定量结构
合成，生物学研究和2 ...
抗氧化剂化合物已成为几种治疗应用的潜在保护剂。抗菌药物抗药性和传染病仍然存在有关全球健康问题的问题。可以肯定的是，发现新的抗氧化剂和抗菌剂对于人类的存在至关重要。噻唑和磺酰胺由于其各种生物活性特性而在药物发现中是特权脚手架。在这项研究中，合成了一系列2-氨基硫唑磺酰胺衍生物（1-12）并研究其抗氧化剂（i.e。，DPPH和SOD-模仿）和抗菌活性。在经过测试的化合物中，化合物8是有效DPPH和SOD最有希望的化合物（％DPPH =90。09％，％SOD = 99。02％）。但是，这些化合物都不是活性抗菌剂。定量结构 - 活性关系（QSAR）建模是进一步用于指导其他导数的合理设计的。两种抗氧化QSAR模型（i。e。，DPPH和SOD）。基于QSAR发现设计了另一组结构修饰的化合物，以最终获得112种新设计的化合物，其中预先介绍了其活动（DPPH和SOD）。大多数修饰化合物的作用比其原型更好。质量，极化性，电负性，C -f键的存在，范德华的体积和结构对称性被揭示为键
计划补充：平台和海报会议
＃2003 10:00 AM预测给狗的药物的血浆半衰期：基于人工智能的定量结构 - 活性关系（AI-QSAR）模型。X. Wu 1,2，P。Wu 1,2，W。Chou 1,2，L。Tell 3，F。P. Maunsell 4和Z. Lin 1,2。1佛罗里达州盖恩斯维尔大学公共卫生与健康专业学院环境与全球卫生系； 2佛罗里达州盖恩斯维尔的佛罗里达大学环境和人类毒理学中心； 3加利福尼亚州加州戴维斯分校兽医学院医学和流行病学系；佛罗里达州盖恩斯维尔大学兽医学院大型动物临床科学系4大型动物临床科学系。1佛罗里达州盖恩斯维尔大学公共卫生与健康专业学院环境与全球卫生系； 2佛罗里达州盖恩斯维尔的佛罗里达大学环境和人类毒理学中心； 3加利福尼亚州加州戴维斯分校兽医学院医学和流行病学系；佛罗里达州盖恩斯维尔大学兽医学院大型动物临床科学系4大型动物临床科学系。
量子时代的资产责任建模
t是多年来的时间；我是资产现金流的指数； PV I是ITH现金流的现值（参见Hull，1993 P 99 - 101）。几十年来主导精算实践的下一个重大步骤是弗兰克·雷丁顿（Frank Redington）采用了“免疫”的概念。在雷丁顿（Redington）1952年的论文中，“对生活办公室估值原则的审查”部分搁置了“投资匹配 - 免疫”，该部分在提出简单的定量结构之前讨论了原理，以确保对资产和负债进行仔细匹配。“从最广泛的意义上讲，该原理包括货币中资产和负债的匹配等重要方面。在narlower ::：“匹配”中，意味着资产期限与负债期限有关的方式，以减少因利率变化而产生的损失的可能性”（Redington，1952 P3）。定量方法如下：让L t成为日历年中现有业务的预期净淘汰。让日历年中现有资产的预期收益。让V l为感兴趣的δ力的责任量的当前值，因此V l p v t l t。让V为资产的当前值，以δ的功能进行，因此V a p v t a t。假设V a v l任何超额资金都可以单独投资。
量子时代的资产责任建模-IFOA
t是多年来的时间；我是资产现金流的指数； PV I是ITH现金流的现值（参见Hull，1993 P 99 - 101）。几十年来主导精算实践的下一个重大步骤是弗兰克·雷丁顿（Frank Redington）采用了“免疫”的概念。在雷丁顿（Redington）1952年的论文中，“对生活办公室估值原则的审查”部分搁置了“投资匹配 - 免疫”，该部分在提出简单的定量结构之前讨论了原理，以确保对资产和负债进行仔细匹配。“从最广泛的意义上讲，该原理包括货币中资产和负债的匹配等重要方面。在narlower :：：“匹配”中，意味着资产期限的分布与负债期限有关，以减少因利率变化而损失的可能性”（Redington，1952 P3）。定量方法如下：让L t成为日历年中现有业务的预期净淘汰。让日历年中现有资产的预期收益。让V l为感兴趣的δ力的责任量的当前值，因此V l p v t l t。让V为资产的当前值，以δ的功能进行，因此V a p v t a t。假设V a v l任何超额资金都可以单独投资。
在内分泌干扰物属性的计算机预测中
内分泌干扰化学物质（EDC）是我们环境中存在的一类广泛的分子，怀疑通过干扰内源配体的合成，转运，降解或作用而怀疑会在内分泌系统中引起不良反应。表征环境化合物及其潜在的细胞靶标之间的有害涉及分性以及体内鲁棒的稳定性，体外和计算机筛选方法对于评估大量化学物质的毒性潜力很重要。在这种情况下，正在开发允许内分泌干扰物和环境风险评估活动预测的计算机辅助技术。这些技术必须能够应对各种数据，并将原子水平的化学与细胞，器官和生物体的生物活性联系起来。定量结构 - 活动关系方法因毒性问题而流行。他们通过许多分子描述子将化合物的化学结构与生物活性相关联（例如，分子量和参数，以说明疏水性，拓扑或电子特性）。化学结构分析是第一步；但是，对分子间相互作用和细胞行为进行建模也将是必不可少的。EDCS目标的三维晶体结构数量的增加提供了大量的结构信息，可用于使用对接和评分程序来预测其与EDC的相互作用。（内分泌学160：2709 - 2716，2019）在本综述中，我们描述了使用配体和靶向属性来预测内分泌干扰物活动的各种计算机辅助方法。
使用LightGBM和Shap
摘要：疟疾继续构成重大的全球健康威胁，抗药性疟疾的出现加剧了挑战，强调了对新抗疟药的迫切需求。虽然已经将几种机器学习算法应用于抗性化合物的定量结构 - 活性关系（QSAR）建模，但仍需要更需要进行更可解释的模拟，以提供有关药物作用的潜在机制，从而促进新化合物的合理设计。本研究使用轻梯度增强机（LightGBM）开发了QSAR模型。该模型与沙普利添加剂解释（SHAP）集成在一起，以增强可靠性。LightGBM模型在预测抗性激活方面表现出了卓越的性能，其AC屏性为86％，精度为85％，灵敏度为81％，特异性为89％，F1得分为83％。SHAP分析确定关键分子描述符，例如MaxDO和GATS2M，是抗疟疾活性的重要促进者。LightGBM与Shap的整合不仅增强了QSAR模型的预测性交流性，而且还为特征的重要性提供了宝贵的见解，从而有助于新的抗疟药的合理设计。这种方法弥合了模型准确性和可解释性之间的差距，为有效有效的药物疾病提供了强大的框架，以抵抗耐药性疟疾菌株。
高级能源材料的机器学习
筛选高级材料，加上其定量结构性关系关系的建模，由于各种各样的挑战，包括较低的成功概率，高度消耗，高计算成本，与传统能源材料的传统方法相关的高计算概率，高计算成本，因此已成为能源材料中热门和趋势的主题之一。在此之后，必须进行新的研究概念和技术来促进能源材料的研究和开发。因此，官能智能和机器学习方面的最新进步增加了人们对数据驱动的材料科学将彻底改变科学发现的期望，从而为开发货物的开发提供了新的范式。此外，目前的数据驱动材料工程的进步还表明，机器学习技术的应用不仅可以显着促进高级能源材料的设计和开发，而且还可以增强其发现和部署。在本文中，提出了开发新能源材料来促进全球碳中立性的重要性和必要性。还提供了机器学习基础知识的全面介绍，包括开源数据库，功能工程，机器学习算法和机器学习模型的分析。之后，讨论了数据驱动材料科学和工程的最新进展，包括碱性离子电池材料，pho-To-tovoltaic材料，催化材料和二氧化碳捕获材料。最后，强调了机器学习的成功应用以及对高级能源材料开发的剩余挑战的相关线索。
QSAR研究二酰基甘油酰基转移酶-1（DGAT-1 ... ） 1简介面部检测是对象的子集...
糖尿病是通常会感染所有年轻人和老年人的慢性疾病之一。目前尚无特殊药物可以治愈糖尿病。可以使用继续开发的某些酶疗法对糖尿病进行适当治疗。允许治疗糖尿病患者的一步是抑制二十二甘油酰基转移酶-1的生长（DGAT1）。在使用定量结构活动关系（QSAR）方法的硅中开发中，该方法通常用于预测尚未测试的化合物的生物学活性。本研究旨在使用二二酰甘油酰基转移酶-1化合物作为糖尿病生长的抑制剂来构建QSAR模型。使用粒子群优化（PSO）特征选择模型和支持矢量机（SVM）的预测方法，将在二二十二酰甘油酰基转移酶-1化合物中产生主要的描述符的组合建议，该化合物可用于抗糖尿病的发展。所使用的数据集是228个数据，其中包含有关二二酰甘油酰基转移酶-1种化合物的化合物活动的信息，多达1444个功能。使用的描述符信息是一个特征列，其偏差高于0.5。通过多项式内核获得了PSO选择的最佳结果，值为𝑅20.629，以及通过实施RBF模型获得的最佳预测结果，在每个内部验证𝑅2和外部验证2中获得得分，值为75％和67.2％。
![arxiv：2503.00388v1 [Quant-ph] 2025年3月1日](/simg/g:\will\search\icon\source\4\436b4cba32137f0410fc8b28cbdebd4ad3d934c7.webp)
arxiv：2503.00388v1 [Quant-ph] 2025年3月1日
准确的胺属性预测对于优化后燃烧过程中的CO 2捕获效率至关重要。量子机学习（QML）可以通过利用叠加，纠缠和干扰来捕获复杂相关性来增强预测性建模。在这项研究中，我们开发了杂交量子神经网络（HQNN），以改善CO 2接制胺的定量结构 - 性质关系模型。通过将变异量子回归器与经典的多层感知器和图形神经网络相结合，在无噪声条件下的物理化学属性预测中探索了量子优势，并使用IBM量子系统评估了针对量子硬件噪声的鲁棒性。我们的结果表明，HQNNS提高了关键溶剂特性的预测准确性，包括碱度，粘度，沸点，熔点和蒸气压。具有9个Quarbits的微调和冷冻预训练的HQNN模型始终达到最高排名，突出了将量子层与预验证的经典模型相结合的好处。此外，硬件噪声下的模拟证实了HQNN的鲁棒性，以保持预测性能。总体而言，这些发现强调了分子建模中杂交量子古典体系结构的潜力。随着量子硬件和QML算法继续推进，QSPR建模和材料发现中的实用量子益处有望变得越来越可实现，这是由量子电路设计，降解噪声和可扩展体系结构的改进而驱动的。
REACH 下 QSAR 不同用途的多策略评估 替代品分析以提高信息透明度
摘要：在化学品注册、评估、授权和限制 (REACH) 替代品分析 (AoA) 流程中，定量结构-活性关系 (QSAR) 模型在扩展信息收集和组织框架方面发挥着重要作用。越来越多地被认可为注册测试的替代方案。QSAR 已成为评估替代物质时弥补数据差距和支持证据权重 (WoE) 的重要工具。此外，QSAR 在综合测试策略 (ITS) 中的重要性日益增加。例如，针对特定终点的 REACH ITS 框架指示注册人在决定是否需要进一步进行动物测试时考虑非测试结果，包括 QSAR 预测。尽管 QSAR 在这些框架中的重要性有所提高，但在授权下对 QSAR 的使用和 QSAR 文档的评估方面仍存在差距。对于 AoA，对 QSAR 预测在证据收集和组织中发挥作用的不同用途（例如，WoE 和 ITS）的评估仍未得到解决。本研究通过对截至 2017 年 5 月的 24 份 AoA 进行实质性审查，探讨了 QSAR 预测信息的差异，这些 AoA 包含 REACH 下的更高层级端点。了解申请人在 AoA 中管理 QSAR 预测信息的方式并评估其在 ITS 中的潜力，将有助于促进 QSAR 的监管使用，并在技术快速发展的情况下构建未来平台，同时提高信息透明度。