基于支持向量学习机的HIV-1蛋白酶抑制剂的活性预测

为了预测人体免疫缺陷蛋白酶抑制剂的活性,计算了表征分子的组成和拓扑特征的462个分子描述符,用Kennard-Stone方法和随机方法进行了训练集和测试集设计,用Monte Carlo模拟退火方法进行变量筛选,并分别用神经网络,逻辑回归,k-近邻和支持向量学习机方法建立了HIV-1蛋白酶的抑制剂模型.结果表明支持向量学习机优于其余机器学习方法,用SVM方法所建立的最优模型的最后预测正确率达到98.24%.

在物理化学教学中培养学生科研创新思维能力

根据物理化学学科的自身特色,本文从物理化学教学中提出在教学中进一步加强学生科研创新思维能力培养的观点,提倡启发式教学方法,从而提高教学质量,实现学生对学科知识体系的牢固掌握和科研能力的初步培养。

基于支持向量机方法的HERG钾离子通道抑制剂分类模型

对humanether-a-gò-gò related genes(HERG)钾离子通道(钾通道)抑制剂,计算了表征分子组成、电荷分布、拓扑、几何结构及物理化学性质等特征的1559个分子描述符,采用Fischer Score(F-Score)排序过滤和MonteCarlo模拟退火法相结合从中筛选与HERG钾通道抑制剂分类相关的分子描述符.采用支持向量机(SVM)方法,分别以IC50=1.0、10.0μmol·L-1为分类标准,建立了三个分类预测模型.对367个训练集分子,用五重交叉验证,得到正、负样本的平均预测精度分别为84.8%-96.6%、80.7%-97.7%,其总的平均预测精度为87.1%-97.2%,优于其它文献报道结果.对97个外部测试集分子,所建三个模型的总样本预测精度在67.0%-90.1%之间,接近或优于其它文献报道结果.

PNIPAAm-g-EVA/明胶支架双层人工皮肤的细胞相容性研究

构建了PNIPAAm-g-EVA/明胶支架复合人工皮肤样品,并初步考察了该人工皮肤的细胞相容性。由于明胶支架的生物相容性已经得到充分验证,主要选择成纤维细胞为实验细胞,PNIPAAm-g-EVA膜为研究对象。采用含有胶原酶的消化液消化组织块,在较短时间内可获得足够数量的成纤维细胞。成纤维细胞与PNIPAAm-g-EVA膜共培养结果表明,成纤维细胞在膜表面粘附力强,生长、增殖情况良好。说明与PNIPAAm-g-EVA膜共培养并未影响细胞的正常生理功能,PNIPAAm-g-EVA具有良好的细胞相容性。

机器学习方法用于选择性环氧化酶-2抑制剂活性预测模型的建立

与传统的非甾体类消炎药相比,选择性环氧化酶-2抑制剂具有无胃肠道粘膜损伤,溃疡和肾功能障碍等严重的副作用,设计选择性环氧化酶-2抑制剂具有重要意义。本文用支持矢量学习机和神经网络两种机器学习方法建立选择性环氧化酶-2抑制剂的活性预测模型,以期为选择性环氧化酶-2抑制剂药物的合成提供先导化合物。我们将467个环氧化酶-2抑制剂用Kennard-Stone方法分为训练集,验证集和独立测试集,对每一抑制剂分子我们计算了463个包含组成描述符和拓扑描述符的分子描述符来表征其分子结构,并通过F-Score方法选取最重要的分子描述符用于分类模型的建立。结果表明,SVM方法通过变量筛选后具有很好的预测能力,其预测正确率达到93.30%。

机器学习方法用于建立乙酰胆碱酯酶抑制剂的分类模型

我们构建了表征乙酰胆碱酯酶抑制剂分子组成、电荷、拓扑、几何结构及物理化学性质等特征的1559个描述符,通过Fischer Score排序过滤和Monte Carlo模拟退火法相结合进行变量筛选得到37个描述符,然后分别用支持向量学习机(SVM)、人工神经网络(ANN)和k-近邻(k-NN)等机器学习方法建立了乙酰胆碱酯酶抑制剂的分类预测模型.对于训练集的515个样本,通过五重交叉验证,各机器学习方法对正样本,负样本和总样本的平均预测精度分别为87.3%-92.7%,67.0%-81.0%和79.4%-88.2%;通过y-scrambling方法验证SVM模型是否偶然相关,结果正样本,负样本和总样本的平均预测精度分别为72.7%-82.5%,41.0%-53.0%和62.1%-69.1%,明显低于实际所建模型的预测精度,表明所建模型不存在偶然相关;对172个没有参与建模的外部独立测试样本,各机器学习方法对正样本,负样本和总样本的预测精度分别为93.3%-100.0%,74.6%-89.6%和86.1%-95.9%.所建模型中,SVM模型预测精度最好,且明显高于其它文献报道结果.

BSA在不同形貌氧化锌材料上的吸附热力学

采用高分子模板法合成了4种不同形貌的ZnO,分别为球状颗粒(ZnO NPs)、针状(ZnO NRs)、片状(ZnO NSs)和棒状(ZnO NBs).利用X射线衍射仪(XRD)、扫描电子显微镜(SEM)和能谱仪(EDS)对产物进行了表征.通过傅里叶变换红外光谱仪(FTIR)和圆二色光谱仪(CD)研究了小牛血清白蛋白(BSA)在不同形貌ZnO上的等温吸附规律、吸附热力学和吸附作用机理.结果表明,4种不同形貌的ZnO对BSA的吸附均较好地符合Langmuir等温吸附模型;吸附量随温度的升高略有增加;从热力学参数(ΔG,ΔH,ΔS)可知,吸附反应为自发进行的吸热反应,作用机理主要为氢键和静电作用.从热力学角度,针状的ZnO更有利于BSA的吸附.

机器学习方法用于二氢叶酸还原酶抑制剂的活性预测

分别采用支持向量学习机、人工神经网络、调节性逻辑回归和K-最临近等机器学习方法对761个二氢叶酸还原酶抑制剂建立了其活性分类预测模型.采用组成描述符和拓扑描述符表征抑制剂的分子结构及物理化学性质,使用Kennard-Stone方法进行训练集的设计,并用Metropolis Monte Carlo模拟退火方法作变量选择.结果表明,支持向量学习机优于其它机器学习方法,所得到的最优模型具有较好的预测结果,其预测正确率为91.62%.说明通过合适的训练集设计及变量选择,支持向量学习机方法可以很好地用于二氢叶酸还原酶抑制剂的活性分类预测.

机器学习方法用于激素敏感脂肪酶抑制剂活性预测

对激素敏感脂肪酶,我们构建了表征分子组成、电荷、拓扑、几何结构及物理化学性质等特征的1559个描述符,通过Fischer Score排序过滤和Monte Carlo模拟退火法相结合进行变量筛选得到35个描述符,然后分别用支持向量学习机(SVM)、人工神经网络(ANN),k-近邻(k-NN),连续核密度估计(CKD)和逻辑回归(LR)等机器学习方法建立了激素敏感脂肪酶抑制剂的分类预测模型。对于训练集的200个样本,通过五重交叉验证,各机器学习方法对正样本,负样本和总样本的平均预测精度分别在78.0%-94.0%,69.0%-91.0%和73.5%-92.5%;通过y-scrambling方法验证SVM模型是否偶然相关,结果正样本,负样本和总样本的平均预测精度分别在60.0%-74.0%,58.0%-71.0%和61.0%-69.5%,明显低于实际所建模型的预测精度,表明所建模型不存在偶然相关;对52个没有参与建模的外部独立测试样本,各机器学习方法对正样本,负样本和总样本的预测精度分别在84.6%-92.3%,88.5%-92.3%和86.5%-92.3%。所建模型中,SVM,CKD和LR较好,且明显高于其他文献报道结果。

Mn^(2+)掺杂TiO_2的合成及光催化降解罗丹明B性能研究

以TiCl_4为钛源,通过水热法合成了具有光催化活性的TiO_2和Mn^(2+)掺杂的TiO_2。高压汞灯的照射下,测定了TiO_2和Mn^(2+)掺杂的TiO_2催化降解罗丹明B的反应动力学。结果显示催化反应符合一级反应动力学;一定质量范围内Mn^(2+)的掺杂可以提高TiO_2的催化活性,其中,0.5%Mn^(2+)掺杂的TiO_2显示出优良的催化性能。不同的TiO_2和Mn^(2+)掺杂的TiO_2形貌进行扫描电镜分析,结果显示样品均为结晶块状,且都达到微米级别。

“双一流”背景下高等农业院校有机化学基础课程教学新模式的构建及实践

四川农业大学作物学入选一流学科建设,有机化学作为农林专业创新型人才培养的战略支撑,如何把握机遇,找准定位,深化有机化学基础课教学改革,为农林类学科培养基础扎实、创新意识强的优质生源是我们长期面临的挑战。以一流学科建设为导向,通过调研确立双一流建设期有机化学基础课实施性教学方案,构建有机化学立体化教学资源库,实践“兴趣培养–思维开发–自主协作学习”课堂教学模式与“基础技能–综合应用–探索创新”梯度式实践教学模式,在农学、林学、动物医学等共35个专业推广,提升创新型人才培养质量,有效支撑我校一流学科建设,为同类农林高校有机化学基础课教学提供参考。

“新农科”背景下四川农业大学一流化学专业建设

自教育部启动“双万计划”以来,四川农业大学积极响应号召,对化学生物学与应用化学本科专业进行升级改造。在新农科背景下,紧密围绕化学专业定位,依托生物资源化学、生物与医药“本硕博”培养体系以及“化学”和“生物与生物化学”双学科优势,从师资队伍与教学团队建设、特色课程体系与一流课程建设、实验平台与科研团队建设、学生培养体系建设等方面进行了积极探索。我校化学生物学已获批四川省本科一流专业建设点,“化学”学科于2022年跻身ESI全球前1%。为同类农业院校本科化学专业建设提供参考。

基于便携式智能手机的光学传感体系的构筑及应用研究

作为一种新型的现代分析技术工具,智能手机凭借高分辨率的摄像头和强大的计算能力,可以快速地捕获光学信号并对图像进行数据化[1]。与传统需要相对复杂的仪器的分析方法相比,基于智能手机传感平台可以便携和灵敏地进行现场定量分析[2]。目前我们研究小组构建了三种基于便携式智能手机光学信号传感体系:比率荧光检测Al3+和H2O,荧光-紫外双信号检测过氧化氢(H2O2)和葡萄糖,荧光-紫外双信号检测碱性磷酸酶(ALP)。通过对材料的合成、表征、性能探究及开发浓度检测App,实现了对实样中目标分析物的准确检测。

基于便携式智能手机的多信号传感平台对人血清中ALP的现场分析

碱性磷酸酶(ALP)是人体中必备的物质,在维持生物体正常运作中发挥着极其重要的作用,对二者的检测在许多疾病的诊断中具有重要意义[1-2]。在本研究中,我们设计了基于智能手机的便携式光学(荧光或比色)传感平台,并将其应用于ALP的快速检测,该平台在即时医疗分析中具有极大的潜力。在此传感系统中,具有氧化酶模拟特性的羟基氧化钴纳米片(CoOOH nanoflakes)可以将邻苯二胺(OPD)氧化为2,3-二氨基吩嗪(OxOPD),其在565 nm处显示强荧光发射,吸光度在420 nm。ALP催化底物L-抗坏血酸-2-磷酸三钠盐(AAP)水解生成AA,CoOOH纳米片被AA还原成Co2+,从而抑制OxOPD的形成,而AA自身被氧化成脱氢抗坏血酸(DHAA)。DHAA进一步与OPD反应,生成喹喔啉(DFQ),其在430 nm处出现蓝色荧光。另外,该荧光和比色响应信号可以通过智能手机内置摄像头捕获,进而通过人工智能浓度分析应用程序自动识别捕获的图像并读取其R,G,B值,从而对人血清中的ALP浓度实现快速准确的现场分析。

一种基于智能手机平台比率荧光生物传感器用于检测Al3+和H2O

碳点作为最为新型的零维碳纳米材料,具有尺寸小(<10 nm)、优异的光学稳定性和表面易修饰等特点,因此被广泛应用于各个领域[1]。其中生物质作为来源最广泛,最廉价的碳基材料,所制备成的碳点易被引入杂原子,使其具有独特的荧光性质[2]。在本次工作中,我们利用溶热法,以樟属植物叶为碳源合成一类具有多功能的生物质碳点(BD-CDs)。在405 nm的激发下,BD-CDs在470和670 nm处具有双发射荧光。基于聚集诱导荧光增强效应(AEE),利用470 nm处的发射峰可实现铝离子的检测;根据溶剂效应,利用670 nm处的发射峰可实现水含量的检测。另外,还构建了一种基于便携式智能手机结合荧光信号对Al3+和H2O含量现场检测的平台(图1)。实验结果证明基于BD-CDs的荧光传感体系和智能手机检测平台能够达到快速,准确的检测效果,并在食品安全和环境监测方面具有很大的应用潜力。

碳氢燃料热裂解机理及化学动力学模拟

发动机设计中,燃烧室的热管理问题日益突出.其根源必然涉及到碳氢燃料的化学机理模型.讨论了大分子烃类燃料热裂解反应的反应类型,分析了各反应类型的详细动力学以及对热裂解反应的灵敏度、重要性.根据热裂解反应类型有限和基于物质的一维表示,开发了大分子烃类反应机理的自动生成程序ReaxGen.建立了相应的热、动力学数据库,探讨了如何建立碳氢燃料的详细热裂解化学动力学模型.最后我们建立了正庚烷热裂解反应的详细机理,并用该机理模型模拟预测了产物分布和转化率,理论上计算了热沉值.所得结果与文献结果进行对比讨论.

改性荞麦壳对水溶液中Cu^(2+)离子吸附效果及机理

以柠檬酸对荞麦壳进行化学改性,改性后荞麦壳吸附剂对Cu2+的吸附量增加。研究了不同pH、吸附剂投入量、浓度和时间对吸附效果的影响。在pH值为5.5,Cu2+初始浓度50 mg/L,吸附剂投入量为1 g,吸附时间为120 min的条件下,Cu2+的吸附量达到较大值。通过用改性荞麦壳吸附剂对Cu2+的热力学吸附过程的分析,结果表明,改性荞麦壳吸附剂符合Langmuir吸附等温模式,改性荞麦壳吸附剂对Cu2+的吸附存在化学吸附,改性荞麦壳的最大吸附量可以达2.26 mg/g。研究改性荞麦壳吸附剂吸附Cu2+的动力学特性,吸附动力学行为可用准二级速率方程进行很好的描述,准二级吸附速率常数随温度升高而增大。准一级速率方程和颗粒扩散模型可以较好地描述吸附初始阶段,Cu2+浓度较高,颗粒内扩散;吸附后期,Cu2+浓度较低,受到颗粒外扩散的控制。总之,整个吸附过程可能是多种动力学机理共同作用的结果。

人工模拟酶的研究与应用进展

人工模拟酶具有性质稳定、易于制备、环境耐受性强等优点,在某种程度上解决了天然酶易失活、难制备的缺点。本文按照人工模拟酶的分类,综述对比了传统模拟酶与纳米材料模拟酶的研究现状,对人工模拟酶优缺点进行总结分析,并对其应用前景进行了展望。