化学 分析化学专业毕业论文 论文 化学信息学新算法及在化学生物与食品科学中的应用研究.doc

化学 分析化学专业毕业论文 [精品论文] 化学信息学新算法及在化学、生物与食品科学中的应用研究 关键词：化学信息学 化合物性质 化合物结构 QSAR 化学传感器 摘要：近年来，随着信息科学、计算机科学与互联网的高速发展，一种新的交叉学科-化学信息学(Chemoinformatics)也迅速成长起来了。化学信息学是一门利用信息学的方法来解决化学的问题，同时得到有关化学本质规律的的学科。化学信息学的研究范围十分广泛，内容丰富，例如化学试验设计与优化、定量校正理论、分析信号处理、化学模式识别、模型与参数估计、人工智能等。化学信息学产生于科学家们对化学知识规律的不断需要的过程中。 化合物结构与性质/活性定量关系(quantitative structure-property/activity relationship，QSPR/QSAR)是化学信息学研究中的一个重要应用分支。该方法是指将化合物的结构参数同其生物活性数据以一定的数学模型相联系起来的定量关系。QSPR/QSAR的研究最初应用于生物领域是为了适应合理设计生物活性分子的需要而发展起来的。由于计算机技术的发展和应用，QSPR/QSAR的研究提高到了一个新的水平，且日趋成熟，其应用范围也迅速扩大，研究涉及生物，化学，药物科学，以及食品科学等诸多学科。人们期望用一个成功的数学模型，能从分子水平上理解其微观结构同其宏观性质/活性之间的关系，根据已有的知识，探求化合物性质/活性与结构的相互作用规律，从而推论呈现化合物某些性质的影响因素，然后为设计，筛选或预测具有人们期望性质的化合物提供信息。 化学信息学的发展为化学各分支学科的发展提供了多种解决问题的新思路，新方法。本学位论文主要对化学信息学研究中的一些新算法进行了探讨，并把这些新算法成功应用于QSAR/QSPR研究领域中。该论文共包括五章节内容，每一个章节的具体内容如下所示： 第一章：简述了化学信息学的基本概念和研究现状，以及多种化学信息学算法，也详细讲述了化学信息学研究的分支之一--QSAR，包括QSAR演变历史，基本原理以及实现的步骤等等。 第二章：主要讨论了Quantitative structure-retention relationship(QSRR)方法在多肽色谱保留行为预测的应用研究。具体内容如下：(1)基于线性和非线性建模方法对反相液相色谱(RPIC)的101种多肽保留时间进行了定量结构保留关系建模研究。最佳多元线性回归(BMIR)方法用来选择与保留行为最为密切的分子描述符，并建立线性模型。另外两种非线性回归方法(径向基函数神经网络(RBFNN)和投影寻踪回归(PPR))用来构建非线性模型。RBFNN和PPR模型的训练集的相关系数(R2)分别为0.9787和0.9881；均方根误差(RMSE)为0.5666和0.4207。结果表明，RBF神经网络和投影寻踪回归将是蛋白质组研究中一种简单且有效的工具，并有望应用于其他类似的研究领域。(2)新颖的化学信息学方法-局部懒惰回归(LLR)首次应用于预测278个多肽在固定金属亲和色谱(镍柱)的保留行为研究。该工作分别用BMLR，PPR和LLR三种方法建立线性和非线性QSRR模型。最佳的LLR模型的训练集和测试集的R2分别为0.9446和0.9252。该工作证明新颖机器学习算法LLR是一个非常有前途的研究工具，它可用于色谱保留行为研究领域，为协助设计和分离纯化蛋白质和多肽发挥一定的作用。 第三章主要描述了QSAR方法在农业和食品科学领域的应用研究，具体内容如下：(1)三种机器学习方法：遗传算法.多元线性回归(GA-MLR)，最小二乘支持向量机(LS-SVM)，PPR用于100个稻瘟病抑制剂噻唑啉衍生物的杀菌活性研究。线性模型GA-MLR和非线性模型LS-SVM和PPR都得到了良好的预测结果，但非线性模型提供了更加精确的预测能力。结果表明，非线性LS-SVM和PPR方法可以更加准确地模拟噻唑啉分子结构与杀菌活性之间的关系，能够成为研究稻瘟病抑制剂良好的建模工具。此外，这项研究为稻瘟病抑制剂的设计和开发提供了一种新的，简单而且有效的办法，同时得到的与其密切相关的分子结构信息。(2)运用定量结构保留关系方法对藏红花内43种芳香组分的SPME-GC-MS保留时间进行了预测。应用最佳多元线性回归(BMIR)和投影寻踪回归(PPR)方法分别建立了线性和非线性模型，两种方法均得到了较好的结果：线性模型的训练集和测试集的相关系数(R2)分别为0.9434和0.8725，非线性模型则给出了较好的预测结果分别为0.9806和0.9456。通过对模型的稳定性和预测能力的比较，可以看出非线性PPR方法可以较好的应用到SPME-GC-MS保留行为研究领域内，同时该工作又可以为其他植