1、化学 分析化学专业毕业论文 精品论文 数学建模方法在药物化学及大鼠大脑新陈代谢中的应用研究关键词：数学建模 药物化学 QSAR 尼古丁 大脑新陈代谢摘要：结构活性/性质关系方法(Structure Activity-Property Relationship， SAR/SPR)是目前国际上一个相当活跃的研究领域，近些年人们对该领域研究的投入呈现逐年递增的趋势。SAR/SPR 方法的研究对象主要包含物质各种各样的物理化学性质参数，生物活性，毒性，以及药物的生物利用度等等，研究领域涉及化学、生物学、药学以及环境化学等诸多学科。该方法主要是从化合物的分子结构出发，利用理论计算的方法得到各种各样的物理
2、化学参数，然后从中选择出与研究对象密切相关的参数，建立相关的线性或非线性模型，用来估测物质的性质和活性等，最后，研究人员可以根据所建立的模型从分子水平上讨论物质性质以及活性的作用机理。该方法的出现可以很好的促进学科间交叉，具有重要的理论和实际意义且具有很好的应用前景。 本论文首先从分子结构的定量描述和结构活性/性质关系的建立入手，总结了 SAR/SPR方法在物质物理化学性质预测，药物筛选领域内的应用。该论文着重讨论了一种新型的改进机器学习算法，即格式搜索支持向量机(Grid-Search Support Vector Machine，GS-SVM)方法，建立了高效、稳定的定量结构活性关系(Qu
3、antitative Structure-Property Relationship，QSPR)和分类结构活性关系(Classification Structure-Activity Relationship，CSAR)模型。最后，本论文又研究了数学模型在大鼠大脑新陈代谢领域内的应用研究，研究了尼古丁对大脑各个部位代谢速率的影响。该论文主要有以下四章组成： 第一章首先对机器学习和相关的统计学习理论进行了简单的介绍；然后详细的描述了论文主要采用的算法-支持向量机的基本原理，同时对其它各种分类方法作一简单总结；最后对 QSAR 方法的基本原理，主要步骤以及模型稳定性和可靠性的判定方法作一概述。 第
4、二章详细讨论了 QSPR 方法在物质性质预测领域内的应用，其中主要包括以下两个方面的工作：(a)运用 QSPR 方法对 18 种人体必需的氨基酸的比旋光度进行了预测。该工作首先应用启发式算法对 CODESSA 软件所产生的化学描述符进行筛选，建立线性回归模型，模型的复相关系数(R2)为0.918；随着特征描述符(+1，-1 分别代表左旋和右旋)的引入，模型的复相关系数提高为 0.970，模型的预测结果得到了很大的改观。该模型为预测手性化合物的比旋光度提供了一种文献未曾报导过的新型研究方法。(b)应用启发式算法和支持向量机算法分别建立线性和非线性模型，对 196 种化合物的表面张力进行预测。通过
5、模型对比，非线性 SVM 模型的结果明显优于线性模型的结果，对于训练集和测试集的复相关系数和误差因子分别为 0.9348 和 0.9097，1.22和 1.07。该模型的建立为表面化学的研究提供了一种新型的研究方法。 第三章详细地介绍了改进支持向量机算法-格式搜索支持向量机算法在分类领域内的应用。主要包括以下三个方面的工作：(a)基于格式搜索支持向量机算法对141 种新型抗艾滋病药物核苷类衍生物进行了分类研究。首先，根据 CODESSA软件产生的描述符，利用线性判别分析方法选取与抗艾活性最紧密相关的描述符，同时建立线性分类模型。该模型对于训练集，测试集的预测准确率分别为83.0和 88.6。从
6、预测结果可见，有改善的必要性。因此，为了得到更加精确的预测模型，基于所选择的描述符，利用格式搜索支持向量机算法建立了非线性模型，得到了较好的预测结果-91.5(训练集)和 91.4(测试集)。该工作对新型抗艾滋核苷类药物的筛选提供了一定的理论指导。(b)利用分类构效关系(Classification Structure-Activity Relationship，CSAR)方法对噻吩类衍生物的遗传毒性进行了分类研究。首先利用前向性逐步线性判别分析方法选择出与遗传毒性最为相关的结构参数同时建立线性分类模型；利用所选择的这些参数作为格式搜索支持向量机的输入变量，建立非线性模型，对噻吩类衍生物的遗传
7、毒性进一步进行预测。通过模型对比，非线性 GS-SVM 方法能够提供更加精确的预测结果 92.9(训练集)和 92.6(测试集)。通过结果分析与讨论，我们找到了化合物一些与药物遗传毒性相关的结构因素。该模型的建立对噻分类衍生物的遗传毒性的研究提供了简便、有效且快捷的方法。(c)利用 LDA 和GS-SVM 联用方法分别建立了线性和非线性两种分类模型，对 167 种药物的生物利用度进行了研究。线性 LDA 方法用来选取与药物的生物利用度最为密切相关的结构参数，同时根据选取的参数，建立线性和非线性二元分类模型。非线性GS-SVM 模型的判断正确率为 85.82(训练集)，84.85(测试集)和85
8、.63(整体数据集)，要远远高于 LDA 模型。相比于原始文献而言，该工作为药物的生物利用度的研究提供了另外一种新的研究手段。 前三章是在兰州大学化学化工学院胡之德教授的指导下完成的，论文第四章主要是在美国耶鲁大学医学院，在 Prof.Graeme F. Mason 的指导下完成的。该章的工作主要是通过数学建模的方法研究了尼古丁对大鼠大脑各个区域的新陈代谢物质的总含量以及代谢速率进行了研究。首先，通过经典的单变量 t 检验方法，对大鼠大脑各区域的化合物的总含量进行了对比研究，发现大脑纹状体(-氨基丁酸(GABA)，谷氨酸(Glutamate)和 N-乙酰天冬氨酸(N-acetylasparta
9、te，NAA)、项叶皮层(肌酸(Creatine)，Glutamate 和 NAA)、额叶皮层(NAA)、颞叶皮层(丙氨酸(Alanine)，胆碱(Choline)、髓质(天冬氨酸(Aspartate)，Glutamate)、嗅球(NAA)等部位在注射尼古丁后均有显著变化。然后，通过简单的线性判别分析方法对 38 只大鼠进行了分类研究。根据大鼠不同部位，不同代谢物质所组成的变量集合，来判断大鼠接受药物注射的情况(生理盐水和尼古丁)。结果显示 38 只大鼠仅有一只预测错误，这表明尼古丁对大鼠大脑的新陈代谢影响有可能进行预测。最终，我们根据 Glutamate 的 C4，Glutamine 的 C
10、4 以及 GABA 的 C2 的13C 标记情况对大鼠大脑各区域的新陈代谢速率和尼古丁的影响也进行了初步研究。正文内容结构活性/性质关系方法(Structure Activity-Property Relationship， SAR/SPR)是目前国际上一个相当活跃的研究领域，近些年人们对该领域研究的投入呈现逐年递增的趋势。SAR/SPR 方法的研究对象主要包含物质各种各样的物理化学性质参数，生物活性，毒性，以及药物的生物利用度等等，研究领域涉及化学、生物学、药学以及环境化学等诸多学科。该方法主要是从化合物的分子结构出发，利用理论计算的方法得到各种各样的物理化学参数，然后从中选择出与研究对象密
11、切相关的参数，建立相关的线性或非线性模型，用来估测物质的性质和活性等，最后，研究人员可以根据所建立的模型从分子水平上讨论物质性质以及活性的作用机理。该方法的出现可以很好的促进学科间交叉，具有重要的理论和实际意义且具有很好的应用前景。 本论文首先从分子结构的定量描述和结构活性/性质关系的建立入手，总结了 SAR/SPR 方法在物质物理化学性质预测，药物筛选领域内的应用。该论文着重讨论了一种新型的改进机器学习算法，即格式搜索支持向量机(Grid-Search Support Vector Machine，GS-SVM)方法，建立了高效、稳定的定量结构活性关系(Quantitative Struct
12、ure-Property Relationship，QSPR)和分类结构活性关系(Classification Structure-Activity Relationship，CSAR)模型。最后，本论文又研究了数学模型在大鼠大脑新陈代谢领域内的应用研究，研究了尼古丁对大脑各个部位代谢速率的影响。该论文主要有以下四章组成： 第一章首先对机器学习和相关的统计学习理论进行了简单的介绍；然后详细的描述了论文主要采用的算法-支持向量机的基本原理，同时对其它各种分类方法作一简单总结；最后对 QSAR 方法的基本原理，主要步骤以及模型稳定性和可靠性的判定方法作一概述。 第二章详细讨论了 QSPR 方法在物
13、质性质预测领域内的应用，其中主要包括以下两个方面的工作：(a)运用 QSPR 方法对 18 种人体必需的氨基酸的比旋光度进行了预测。该工作首先应用启发式算法对 CODESSA 软件所产生的化学描述符进行筛选，建立线性回归模型，模型的复相关系数(R2)为0.918；随着特征描述符(+1，-1 分别代表左旋和右旋)的引入，模型的复相关系数提高为 0.970，模型的预测结果得到了很大的改观。该模型为预测手性化合物的比旋光度提供了一种文献未曾报导过的新型研究方法。(b)应用启发式算法和支持向量机算法分别建立线性和非线性模型，对 196 种化合物的表面张力进行预测。通过模型对比，非线性 SVM 模型的结
14、果明显优于线性模型的结果，对于训练集和测试集的复相关系数和误差因子分别为 0.9348 和 0.9097，1.22和 1.07。该模型的建立为表面化学的研究提供了一种新型的研究方法。 第三章详细地介绍了改进支持向量机算法-格式搜索支持向量机算法在分类领域内的应用。主要包括以下三个方面的工作：(a)基于格式搜索支持向量机算法对141 种新型抗艾滋病药物核苷类衍生物进行了分类研究。首先，根据 CODESSA软件产生的描述符，利用线性判别分析方法选取与抗艾活性最紧密相关的描述符，同时建立线性分类模型。该模型对于训练集，测试集的预测准确率分别为83.0和 88.6。从预测结果可见，有改善的必要性。因此
15、，为了得到更加精确的预测模型，基于所选择的描述符，利用格式搜索支持向量机算法建立了非线性模型，得到了较好的预测结果-91.5(训练集)和 91.4(测试集)。该工作对新型抗艾滋核苷类药物的筛选提供了一定的理论指导。(b)利用分类构效关系(Classification Structure-Activity Relationship，CSAR)方法对噻吩类衍生物的遗传毒性进行了分类研究。首先利用前向性逐步线性判别分析方法选择出与遗传毒性最为相关的结构参数同时建立线性分类模型；利用所选择的这些参数作为格式搜索支持向量机的输入变量，建立非线性模型，对噻吩类衍生物的遗传毒性进一步进行预测。通过模型对比，
16、非线性 GS-SVM 方法能够提供更加精确的预测结果 92.9(训练集)和 92.6(测试集)。通过结果分析与讨论，我们找到了化合物一些与药物遗传毒性相关的结构因素。该模型的建立对噻分类衍生物的遗传毒性的研究提供了简便、有效且快捷的方法。(c)利用 LDA 和GS-SVM 联用方法分别建立了线性和非线性两种分类模型，对 167 种药物的生物利用度进行了研究。线性 LDA 方法用来选取与药物的生物利用度最为密切相关的结构参数，同时根据选取的参数，建立线性和非线性二元分类模型。非线性GS-SVM 模型的判断正确率为 85.82(训练集)，84.85(测试集)和85.63(整体数据集)，要远远高于
17、LDA 模型。相比于原始文献而言，该工作为药物的生物利用度的研究提供了另外一种新的研究手段。 前三章是在兰州大学化学化工学院胡之德教授的指导下完成的，论文第四章主要是在美国耶鲁大学医学院，在 Prof.Graeme F. Mason 的指导下完成的。该章的工作主要是通过数学建模的方法研究了尼古丁对大鼠大脑各个区域的新陈代谢物质的总含量以及代谢速率进行了研究。首先，通过经典的单变量 t 检验方法，对大鼠大脑各区域的化合物的总含量进行了对比研究，发现大脑纹状体(-氨基丁酸(GABA)，谷氨酸(Glutamate)和 N-乙酰天冬氨酸(N-acetylaspartate，NAA)、项叶皮层(肌酸(C
18、reatine)，Glutamate 和 NAA)、额叶皮层(NAA)、颞叶皮层(丙氨酸(Alanine)，胆碱(Choline)、髓质(天冬氨酸(Aspartate)，Glutamate)、嗅球(NAA)等部位在注射尼古丁后均有显著变化。然后，通过简单的线性判别分析方法对 38 只大鼠进行了分类研究。根据大鼠不同部位，不同代谢物质所组成的变量集合，来判断大鼠接受药物注射的情况(生理盐水和尼古丁)。结果显示 38 只大鼠仅有一只预测错误，这表明尼古丁对大鼠大脑的新陈代谢影响有可能进行预测。最终，我们根据 Glutamate 的 C4，Glutamine 的 C4 以及 GABA 的 C2 的1
19、3C 标记情况对大鼠大脑各区域的新陈代谢速率和尼古丁的影响也进行了初步研究。结构活性/性质关系方法(Structure Activity-Property Relationship， SAR/SPR)是目前国际上一个相当活跃的研究领域，近些年人们对该领域研究的投入呈现逐年递增的趋势。SAR/SPR 方法的研究对象主要包含物质各种各样的物理化学性质参数，生物活性，毒性，以及药物的生物利用度等等，研究领域涉及化学、生物学、药学以及环境化学等诸多学科。该方法主要是从化合物的分子结构出发，利用理论计算的方法得到各种各样的物理化学参数，然后从中选择出与研究对象密切相关的参数，建立相关的线性或非线性模型，
20、用来估测物质的性质和活性等，最后，研究人员可以根据所建立的模型从分子水平上讨论物质性质以及活性的作用机理。该方法的出现可以很好的促进学科间交叉，具有重要的理论和实际意义且具有很好的应用前景。 本论文首先从分子结构的定量描述和结构活性/性质关系的建立入手，总结了 SAR/SPR 方法在物质物理化学性质预测，药物筛选领域内的应用。该论文着重讨论了一种新型的改进机器学习算法，即格式搜索支持向量机(Grid-Search Support Vector Machine，GS-SVM)方法，建立了高效、稳定的定量结构活性关系(Quantitative Structure-Property Relation
21、ship，QSPR)和分类结构活性关系(Classification Structure-Activity Relationship，CSAR)模型。最后，本论文又研究了数学模型在大鼠大脑新陈代谢领域内的应用研究，研究了尼古丁对大脑各个部位代谢速率的影响。该论文主要有以下四章组成： 第一章首先对机器学习和相关的统计学习理论进行了简单的介绍；然后详细的描述了论文主要采用的算法-支持向量机的基本原理，同时对其它各种分类方法作一简单总结；最后对 QSAR 方法的基本原理，主要步骤以及模型稳定性和可靠性的判定方法作一概述。 第二章详细讨论了 QSPR 方法在物质性质预测领域内的应用，其中主要包括以下两
22、个方面的工作：(a)运用 QSPR 方法对 18 种人体必需的氨基酸的比旋光度进行了预测。该工作首先应用启发式算法对 CODESSA 软件所产生的化学描述符进行筛选，建立线性回归模型，模型的复相关系数(R2)为0.918；随着特征描述符(+1，-1 分别代表左旋和右旋)的引入，模型的复相关系数提高为 0.970，模型的预测结果得到了很大的改观。该模型为预测手性化合物的比旋光度提供了一种文献未曾报导过的新型研究方法。(b)应用启发式算法和支持向量机算法分别建立线性和非线性模型，对 196 种化合物的表面张力进行预测。通过模型对比，非线性 SVM 模型的结果明显优于线性模型的结果，对于训练集和测试
23、集的复相关系数和误差因子分别为 0.9348 和 0.9097，1.22和 1.07。该模型的建立为表面化学的研究提供了一种新型的研究方法。 第三章详细地介绍了改进支持向量机算法-格式搜索支持向量机算法在分类领域内的应用。主要包括以下三个方面的工作：(a)基于格式搜索支持向量机算法对141 种新型抗艾滋病药物核苷类衍生物进行了分类研究。首先，根据 CODESSA软件产生的描述符，利用线性判别分析方法选取与抗艾活性最紧密相关的描述符，同时建立线性分类模型。该模型对于训练集，测试集的预测准确率分别为83.0和 88.6。从预测结果可见，有改善的必要性。因此，为了得到更加精确的预测模型，基于所选择的
24、描述符，利用格式搜索支持向量机算法建立了非线性模型，得到了较好的预测结果-91.5(训练集)和 91.4(测试集)。该工作对新型抗艾滋核苷类药物的筛选提供了一定的理论指导。(b)利用分类构效关系(Classification Structure-Activity Relationship，CSAR)方法对噻吩类衍生物的遗传毒性进行了分类研究。首先利用前向性逐步线性判别分析方法选择出与遗传毒性最为相关的结构参数同时建立线性分类模型；利用所选择的这些参数作为格式搜索支持向量机的输入变量，建立非线性模型，对噻吩类衍生物的遗传毒性进一步进行预测。通过模型对比，非线性 GS-SVM 方法能够提供更加精确
25、的预测结果 92.9(训练集)和 92.6(测试集)。通过结果分析与讨论，我们找到了化合物一些与药物遗传毒性相关的结构因素。该模型的建立对噻分类衍生物的遗传毒性的研究提供了简便、有效且快捷的方法。(c)利用 LDA 和GS-SVM 联用方法分别建立了线性和非线性两种分类模型，对 167 种药物的生物利用度进行了研究。线性 LDA 方法用来选取与药物的生物利用度最为密切相关的结构参数，同时根据选取的参数，建立线性和非线性二元分类模型。非线性GS-SVM 模型的判断正确率为 85.82(训练集)，84.85(测试集)和85.63(整体数据集)，要远远高于 LDA 模型。相比于原始文献而言，该工作为
26、药物的生物利用度的研究提供了另外一种新的研究手段。 前三章是在兰州大学化学化工学院胡之德教授的指导下完成的，论文第四章主要是在美国耶鲁大学医学院，在 Prof.Graeme F. Mason 的指导下完成的。该章的工作主要是通过数学建模的方法研究了尼古丁对大鼠大脑各个区域的新陈代谢物质的总含量以及代谢速率进行了研究。首先，通过经典的单变量 t 检验方法，对大鼠大脑各区域的化合物的总含量进行了对比研究，发现大脑纹状体(-氨基丁酸(GABA)，谷氨酸(Glutamate)和 N-乙酰天冬氨酸(N-acetylaspartate，NAA)、项叶皮层(肌酸(Creatine)，Glutamate 和
27、NAA)、额叶皮层(NAA)、颞叶皮层(丙氨酸(Alanine)，胆碱(Choline)、髓质(天冬氨酸(Aspartate)，Glutamate)、嗅球(NAA)等部位在注射尼古丁后均有显著变化。然后，通过简单的线性判别分析方法对 38 只大鼠进行了分类研究。根据大鼠不同部位，不同代谢物质所组成的变量集合，来判断大鼠接受药物注射的情况(生理盐水和尼古丁)。结果显示 38 只大鼠仅有一只预测错误，这表明尼古丁对大鼠大脑的新陈代谢影响有可能进行预测。最终，我们根据 Glutamate 的 C4，Glutamine 的 C4 以及 GABA 的 C2 的13C 标记情况对大鼠大脑各区域的新陈代谢速
28、率和尼古丁的影响也进行了初步研究。结构活性/性质关系方法(Structure Activity-Property Relationship， SAR/SPR)是目前国际上一个相当活跃的研究领域，近些年人们对该领域研究的投入呈现逐年递增的趋势。SAR/SPR 方法的研究对象主要包含物质各种各样的物理化学性质参数，生物活性，毒性，以及药物的生物利用度等等，研究领域涉及化学、生物学、药学以及环境化学等诸多学科。该方法主要是从化合物的分子结构出发，利用理论计算的方法得到各种各样的物理化学参数，然后从中选择出与研究对象密切相关的参数，建立相关的线性或非线性模型，用来估测物质的性质和活性等，最后，研究人员
29、可以根据所建立的模型从分子水平上讨论物质性质以及活性的作用机理。该方法的出现可以很好的促进学科间交叉，具有重要的理论和实际意义且具有很好的应用前景。 本论文首先从分子结构的定量描述和结构活性/性质关系的建立入手，总结了 SAR/SPR 方法在物质物理化学性质预测，药物筛选领域内的应用。该论文着重讨论了一种新型的改进机器学习算法，即格式搜索支持向量机(Grid-Search Support Vector Machine，GS-SVM)方法，建立了高效、稳定的定量结构活性关系(Quantitative Structure-Property Relationship，QSPR)和分类结构活性关系(C
30、lassification Structure-Activity Relationship，CSAR)模型。最后，本论文又研究了数学模型在大鼠大脑新陈代谢领域内的应用研究，研究了尼古丁对大脑各个部位代谢速率的影响。该论文主要有以下四章组成： 第一章首先对机器学习和相关的统计学习理论进行了简单的介绍；然后详细的描述了论文主要采用的算法-支持向量机的基本原理，同时对其它各种分类方法作一简单总结；最后对 QSAR 方法的基本原理，主要步骤以及模型稳定性和可靠性的判定方法作一概述。 第二章详细讨论了 QSPR 方法在物质性质预测领域内的应用，其中主要包括以下两个方面的工作：(a)运用 QSPR 方法对
31、 18 种人体必需的氨基酸的比旋光度进行了预测。该工作首先应用启发式算法对 CODESSA 软件所产生的化学描述符进行筛选，建立线性回归模型，模型的复相关系数(R2)为0.918；随着特征描述符(+1，-1 分别代表左旋和右旋)的引入，模型的复相关系数提高为 0.970，模型的预测结果得到了很大的改观。该模型为预测手性化合物的比旋光度提供了一种文献未曾报导过的新型研究方法。(b)应用启发式算法和支持向量机算法分别建立线性和非线性模型，对 196 种化合物的表面张力进行预测。通过模型对比，非线性 SVM 模型的结果明显优于线性模型的结果，对于训练集和测试集的复相关系数和误差因子分别为 0.934
32、8 和 0.9097，1.22和 1.07。该模型的建立为表面化学的研究提供了一种新型的研究方法。 第三章详细地介绍了改进支持向量机算法-格式搜索支持向量机算法在分类领域内的应用。主要包括以下三个方面的工作：(a)基于格式搜索支持向量机算法对141 种新型抗艾滋病药物核苷类衍生物进行了分类研究。首先，根据 CODESSA软件产生的描述符，利用线性判别分析方法选取与抗艾活性最紧密相关的描述符，同时建立线性分类模型。该模型对于训练集，测试集的预测准确率分别为83.0和 88.6。从预测结果可见，有改善的必要性。因此，为了得到更加精确的预测模型，基于所选择的描述符，利用格式搜索支持向量机算法建立了非
33、线性模型，得到了较好的预测结果-91.5(训练集)和 91.4(测试集)。该工作对新型抗艾滋核苷类药物的筛选提供了一定的理论指导。(b)利用分类构效关系(Classification Structure-Activity Relationship，CSAR)方法对噻吩类衍生物的遗传毒性进行了分类研究。首先利用前向性逐步线性判别分析方法选择出与遗传毒性最为相关的结构参数同时建立线性分类模型；利用所选择的这些参数作为格式搜索支持向量机的输入变量，建立非线性模型，对噻吩类衍生物的遗传毒性进一步进行预测。通过模型对比，非线性 GS-SVM 方法能够提供更加精确的预测结果 92.9(训练集)和 92.6
34、(测试集)。通过结果分析与讨论，我们找到了化合物一些与药物遗传毒性相关的结构因素。该模型的建立对噻分类衍生物的遗传毒性的研究提供了简便、有效且快捷的方法。(c)利用 LDA 和GS-SVM 联用方法分别建立了线性和非线性两种分类模型，对 167 种药物的生物利用度进行了研究。线性 LDA 方法用来选取与药物的生物利用度最为密切相关的结构参数，同时根据选取的参数，建立线性和非线性二元分类模型。非线性GS-SVM 模型的判断正确率为 85.82(训练集)，84.85(测试集)和85.63(整体数据集)，要远远高于 LDA 模型。相比于原始文献而言，该工作为药物的生物利用度的研究提供了另外一种新的研
35、究手段。 前三章是在兰州大学化学化工学院胡之德教授的指导下完成的，论文第四章主要是在美国耶鲁大学医学院，在 Prof.Graeme F. Mason 的指导下完成的。该章的工作主要是通过数学建模的方法研究了尼古丁对大鼠大脑各个区域的新陈代谢物质的总含量以及代谢速率进行了研究。首先，通过经典的单变量 t 检验方法，对大鼠大脑各区域的化合物的总含量进行了对比研究，发现大脑纹状体(-氨基丁酸(GABA)，谷氨酸(Glutamate)和 N-乙酰天冬氨酸(N-acetylaspartate，NAA)、项叶皮层(肌酸(Creatine)，Glutamate 和 NAA)、额叶皮层(NAA)、颞叶皮层(丙
36、氨酸(Alanine)，胆碱(Choline)、髓质(天冬氨酸(Aspartate)，Glutamate)、嗅球(NAA)等部位在注射尼古丁后均有显著变化。然后，通过简单的线性判别分析方法对 38 只大鼠进行了分类研究。根据大鼠不同部位，不同代谢物质所组成的变量集合，来判断大鼠接受药物注射的情况(生理盐水和尼古丁)。结果显示 38 只大鼠仅有一只预测错误，这表明尼古丁对大鼠大脑的新陈代谢影响有可能进行预测。最终，我们根据 Glutamate 的 C4，Glutamine 的 C4 以及 GABA 的 C2 的13C 标记情况对大鼠大脑各区域的新陈代谢速率和尼古丁的影响也进行了初步研究。结构活性
37、/性质关系方法(Structure Activity-Property Relationship， SAR/SPR)是目前国际上一个相当活跃的研究领域，近些年人们对该领域研究的投入呈现逐年递增的趋势。SAR/SPR 方法的研究对象主要包含物质各种各样的物理化学性质参数，生物活性，毒性，以及药物的生物利用度等等，研究领域涉及化学、生物学、药学以及环境化学等诸多学科。该方法主要是从化合物的分子结构出发，利用理论计算的方法得到各种各样的物理化学参数，然后从中选择出与研究对象密切相关的参数，建立相关的线性或非线性模型，用来估测物质的性质和活性等，最后，研究人员可以根据所建立的模型从分子水平上讨论物质性
38、质以及活性的作用机理。该方法的出现可以很好的促进学科间交叉，具有重要的理论和实际意义且具有很好的应用前景。 本论文首先从分子结构的定量描述和结构活性/性质关系的建立入手，总结了 SAR/SPR 方法在物质物理化学性质预测，药物筛选领域内的应用。该论文着重讨论了一种新型的改进机器学习算法，即格式搜索支持向量机(Grid-Search Support Vector Machine，GS-SVM)方法，建立了高效、稳定的定量结构活性关系(Quantitative Structure-Property Relationship，QSPR)和分类结构活性关系(Classification Structu
39、re-Activity Relationship，CSAR)模型。最后，本论文又研究了数学模型在大鼠大脑新陈代谢领域内的应用研究，研究了尼古丁对大脑各个部位代谢速率的影响。该论文主要有以下四章组成： 第一章首先对机器学习和相关的统计学习理论进行了简单的介绍；然后详细的描述了论文主要采用的算法-支持向量机的基本原理，同时对其它各种分类方法作一简单总结；最后对 QSAR 方法的基本原理，主要步骤以及模型稳定性和可靠性的判定方法作一概述。 第二章详细讨论了 QSPR 方法在物质性质预测领域内的应用，其中主要包括以下两个方面的工作：(a)运用 QSPR 方法对 18 种人体必需的氨基酸的比旋光度进行了
40、预测。该工作首先应用启发式算法对 CODESSA 软件所产生的化学描述符进行筛选，建立线性回归模型，模型的复相关系数(R2)为0.918；随着特征描述符(+1，-1 分别代表左旋和右旋)的引入，模型的复相关系数提高为 0.970，模型的预测结果得到了很大的改观。该模型为预测手性化合物的比旋光度提供了一种文献未曾报导过的新型研究方法。(b)应用启发式算法和支持向量机算法分别建立线性和非线性模型，对 196 种化合物的表面张力进行预测。通过模型对比，非线性 SVM 模型的结果明显优于线性模型的结果，对于训练集和测试集的复相关系数和误差因子分别为 0.9348 和 0.9097，1.22和 1.07
41、。该模型的建立为表面化学的研究提供了一种新型的研究方法。 第三章详细地介绍了改进支持向量机算法-格式搜索支持向量机算法在分类领域内的应用。主要包括以下三个方面的工作：(a)基于格式搜索支持向量机算法对141 种新型抗艾滋病药物核苷类衍生物进行了分类研究。首先，根据 CODESSA软件产生的描述符，利用线性判别分析方法选取与抗艾活性最紧密相关的描述符，同时建立线性分类模型。该模型对于训练集，测试集的预测准确率分别为83.0和 88.6。从预测结果可见，有改善的必要性。因此，为了得到更加精确的预测模型，基于所选择的描述符，利用格式搜索支持向量机算法建立了非线性模型，得到了较好的预测结果-91.5(
42、训练集)和 91.4(测试集)。该工作对新型抗艾滋核苷类药物的筛选提供了一定的理论指导。(b)利用分类构效关系(Classification Structure-Activity Relationship，CSAR)方法对噻吩类衍生物的遗传毒性进行了分类研究。首先利用前向性逐步线性判别分析方法选择出与遗传毒性最为相关的结构参数同时建立线性分类模型；利用所选择的这些参数作为格式搜索支持向量机的输入变量，建立非线性模型，对噻吩类衍生物的遗传毒性进一步进行预测。通过模型对比，非线性 GS-SVM 方法能够提供更加精确的预测结果 92.9(训练集)和 92.6(测试集)。通过结果分析与讨论，我们找到了
43、化合物一些与药物遗传毒性相关的结构因素。该模型的建立对噻分类衍生物的遗传毒性的研究提供了简便、有效且快捷的方法。(c)利用 LDA 和GS-SVM 联用方法分别建立了线性和非线性两种分类模型，对 167 种药物的生物利用度进行了研究。线性 LDA 方法用来选取与药物的生物利用度最为密切相关的结构参数，同时根据选取的参数，建立线性和非线性二元分类模型。非线性GS-SVM 模型的判断正确率为 85.82(训练集)，84.85(测试集)和85.63(整体数据集)，要远远高于 LDA 模型。相比于原始文献而言，该工作为药物的生物利用度的研究提供了另外一种新的研究手段。 前三章是在兰州大学化学化工学院胡
44、之德教授的指导下完成的，论文第四章主要是在美国耶鲁大学医学院，在 Prof.Graeme F. Mason 的指导下完成的。该章的工作主要是通过数学建模的方法研究了尼古丁对大鼠大脑各个区域的新陈代谢物质的总含量以及代谢速率进行了研究。首先，通过经典的单变量 t 检验方法，对大鼠大脑各区域的化合物的总含量进行了对比研究，发现大脑纹状体(-氨基丁酸(GABA)，谷氨酸(Glutamate)和 N-乙酰天冬氨酸(N-acetylaspartate，NAA)、项叶皮层(肌酸(Creatine)，Glutamate 和 NAA)、额叶皮层(NAA)、颞叶皮层(丙氨酸(Alanine)，胆碱(Cholin
45、e)、髓质(天冬氨酸(Aspartate)，Glutamate)、嗅球(NAA)等部位在注射尼古丁后均有显著变化。然后，通过简单的线性判别分析方法对 38 只大鼠进行了分类研究。根据大鼠不同部位，不同代谢物质所组成的变量集合，来判断大鼠接受药物注射的情况(生理盐水和尼古丁)。结果显示 38 只大鼠仅有一只预测错误，这表明尼古丁对大鼠大脑的新陈代谢影响有可能进行预测。最终，我们根据 Glutamate 的 C4，Glutamine 的 C4 以及 GABA 的 C2 的13C 标记情况对大鼠大脑各区域的新陈代谢速率和尼古丁的影响也进行了初步研究。结构活性/性质关系方法(Structure Act
46、ivity-Property Relationship， SAR/SPR)是目前国际上一个相当活跃的研究领域，近些年人们对该领域研究的投入呈现逐年递增的趋势。SAR/SPR 方法的研究对象主要包含物质各种各样的物理化学性质参数，生物活性，毒性，以及药物的生物利用度等等，研究领域涉及化学、生物学、药学以及环境化学等诸多学科。该方法主要是从化合物的分子结构出发，利用理论计算的方法得到各种各样的物理化学参数，然后从中选择出与研究对象密切相关的参数，建立相关的线性或非线性模型，用来估测物质的性质和活性等，最后，研究人员可以根据所建立的模型从分子水平上讨论物质性质以及活性的作用机理。该方法的出现可以很好
47、的促进学科间交叉，具有重要的理论和实际意义且具有很好的应用前景。 本论文首先从分子结构的定量描述和结构活性/性质关系的建立入手，总结了 SAR/SPR 方法在物质物理化学性质预测，药物筛选领域内的应用。该论文着重讨论了一种新型的改进机器学习算法，即格式搜索支持向量机(Grid-Search Support Vector Machine，GS-SVM)方法，建立了高效、稳定的定量结构活性关系(Quantitative Structure-Property Relationship，QSPR)和分类结构活性关系(Classification Structure-Activity Relations
48、hip，CSAR)模型。最后，本论文又研究了数学模型在大鼠大脑新陈代谢领域内的应用研究，研究了尼古丁对大脑各个部位代谢速率的影响。该论文主要有以下四章组成： 第一章首先对机器学习和相关的统计学习理论进行了简单的介绍；然后详细的描述了论文主要采用的算法-支持向量机的基本原理，同时对其它各种分类方法作一简单总结；最后对 QSAR 方法的基本原理，主要步骤以及模型稳定性和可靠性的判定方法作一概述。 第二章详细讨论了 QSPR 方法在物质性质预测领域内的应用，其中主要包括以下两个方面的工作：(a)运用 QSPR 方法对 18 种人体必需的氨基酸的比旋光度进行了预测。该工作首先应用启发式算法对 CODE
49、SSA 软件所产生的化学描述符进行筛选，建立线性回归模型，模型的复相关系数(R2)为0.918；随着特征描述符(+1，-1 分别代表左旋和右旋)的引入，模型的复相关系数提高为 0.970，模型的预测结果得到了很大的改观。该模型为预测手性化合物的比旋光度提供了一种文献未曾报导过的新型研究方法。(b)应用启发式算法和支持向量机算法分别建立线性和非线性模型，对 196 种化合物的表面张力进行预测。通过模型对比，非线性 SVM 模型的结果明显优于线性模型的结果，对于训练集和测试集的复相关系数和误差因子分别为 0.9348 和 0.9097，1.22和 1.07。该模型的建立为表面化学的研究提供了一种新型的研究方法。 第三章详细地介绍了改进支持向量机算法-格式搜索支持向量机算法在分类领域内的应用。主要包括以下三个方面的工作：(a)基于格式搜索支持向量机算法对141 种新型抗艾滋病药物核苷类衍生物进行了分类研究。首先，根据 CODESSA软件产生的描述符，利用线性判别分析方法选取与抗艾活性最紧密相关的描述符，同时建立线性分类模型。该模型对于训练集，测试集的预测准确率分别为83.0
