首页> 中文学位 >基于综合毒性作用模式分类构建有机化合物对大型蚤急性毒性QSAR模型
【6h】

基于综合毒性作用模式分类构建有机化合物对大型蚤急性毒性QSAR模型

代理获取

目录

声明

摘要

引言

1 水生生物急性毒性QSAR模型研究进展及选题依据

1.1 化学品风险评价信息需求

1.2 QSAR模型构建的方法及评价指标

1.2.1 QSAR的概念与意义

1.2.2 QSAR的构建方法

1.2.3 QSAR模型的评价指标

1.2.4 QSAR模型的应用域(AD)

1.3 水生生物急性毒性QSAR模型的研究进展

1.3.1 基于同类化合物构建模型

1.3.2 基于数理统计构建模型

1.3.3 基于毒性作用机制构建模型

1.4 研究目的、内容与技术路线

1.4.1 研究目的与内容

1.4.2 技术路线

2 基于Verhaar分类方法构建大型蚤急性毒性QSAR模型

2.1 引言

2.2 材料与方法

2.2.1 数据搜集与分类

2.2.2 分子结构描述符的计算

2.2.3 模型的构建与表征

2.3 结果与讨论

2.3.1 鱼和大型蚤种间关系研究

2.3.2 Class 1模型结果

2.3.3 Class 2模型结果

2.3.4 Class 3模型结果

2.3.5 Class 4模型结果

2.3.6 Class 5模型结果

2.4 小结

3 基于综合分类方法构建大型蚤急性毒性QSAR模型

3.1 引言

3.2 材料与方法

3.2.1 数据搜集与分类

3.2.2 分子结构描述符的计算与模型构建

3.3 结果与讨论

3.3.1 综合的毒性作用模式分类方法

3.3.2 Class 1模型结果

3.3.3 Class 2模型结果

3.3.4 Class 3模型结果

3.4 小结

4 不同算法构建QSAR模型以及模型比较

4.1 引言

4.2 材料与方法

4.2.1 数据搜集

4.2.2 分子结构描述符的计算与模型构建

4.3 结果与讨论

4.3.1 GA模型及表征结果

4.3.2 SVM模型结果

4.4 模型比较

4.4.1 基于不同分类和算法的模型比较

4.4.2 与前人构建的模型比较

4.5 小结

结论

参考文献

附录

攻读硕士学位期间发表学术论文情况

致谢

展开▼

摘要

化学品对水生生物的毒理信息是化学品风险评价和优先污染物筛选的关键指标之一。毒理信息通常通过毒理实验获得,然而传统的毒理实验往往存在一些弊端,如耗费大量的人力财力,违背动物实验3R原则等。因此,发展替代动物实验的预测方法具有重要意义。定量结构-活性关系(QSAR)能够基于化合物的分子结构参数对其理化性质、环境行为参数和毒理学效应进行预测,是目前应用较为广泛,被认为有应用前景的技术之一。
  化合物的毒性作用除受化合物结构的影响外,还同化合物与受体之间的相互作用有关,因此,基于毒性作用模式(MOA)构建水生生物急性毒性QSAR模型是目前较为认可的研究方法。本文基于多种毒性MOA对化合物进行分类,以大型蚤48小时半数效应浓度(EC50)为毒性终点,依照经济合作与发展组织(OECD)提出的有关QSAR构建和使用导则构建了化学品对大型蚤急性毒性的QSAR模型,对模型性能和应用域进行了表征,对模型机理进行了解释。主要研究内容和结果如下:
  (1)选取961个化合物的大型蚤急性毒性数据,根据Verhaar等提出的分类机制将化合物分成五类,采用多元线性回归(MLR)的方法构建了化合物对大型蚤急性毒性的QSAR模型。非极性麻醉剂,极性麻醉剂和反应活性类化合物的决定系数分别为0.783,0.723和0.771,模型结果较好。特殊反应类化合物的模型结果较差,验证集决定系数仅为0.217。由于Verhaar分类方法的局限性,较多的化合物不能够被分类,导致这些化合物所构建的模型决定系数仅为0.536,模型结果较差。
  (2)为进一步提高模型结果,综合了Verhaar等,Russom等,von der Ohe等,Nendza等和Barron等人的毒性模式分类方法,将上述化合物分成三类并构建QSAR模型。结果表明模型的拟合度、稳健性和预测能力较好,与基于Verhaar分类方法构建的模型相比模型性能得到了提升。从模型使用的描述符来看,疏水性对麻醉类化合物的影响较大,而反应类化合物和特殊反应类化合物受化合物的极性、原子的电荷属性和分子的3D立体结构特征如大小、形状、对称性等影响较大。
  (3)使用遗传算法(GA)和支持向量机(SVM)分别构建了线性模型和非线性模型。结果表明使用GA构建的线性模型,在描述符筛选约69%的描述符与MLR模型相同,模型效果也基本相近。使用SVM构建的模型,模型效果并没有显著提升。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号