人工神经网络预测非环状亚硝胺急性毒性的QSAR研究

摘要：

在DFT-B3LYP/6-311+G(d,p)水平对60种非环状亚硝胺分子结构进行几何全优化,通过多元逐步线性回归(MSR)分析筛选出9个量子化学描述符作为自变量,log LD50(lethal dose 50％,LD50:大鼠口服急性毒性)作为因变量,采用人工神经网络(ANN)方法构建QSAR模型.经Levenberg-Marquardt(LM)算法训练得到的隐含层为10个神经元节点的多层感知机ANN模型为最优结构.采用内外双重验证的方法,分析和检验模型的稳健性.对模型的内部验证采用留一法(LOO)交叉验证和均方根误差(RMSE)评估,其结果为Q2LOO=0.9514,RMSEtrain=0.1534;外部验证结果为Q2ext=0.8842,RMSEtest=0.2948,因此构建的QSAR模型具有优秀的预测能力,为非环状亚硝胺结构和其急性毒性关系的深入理解提供理论基础.

关键词：非环状亚硝胺;量子化学描述符;人工神经网络(ANN);定量构效关系(QSAR);急性口服毒性

所属期刊栏目：34

分类号：TQ015.9;O6-39(一般性问题)

资助基金：重庆交通大学绿色航空技术研究院自设项目GATRI2020D02003

在线出版日期：2022-02-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：58-67