对化学反应数据分类获取反应知识的新方法

尽管已有大量化学反应数据可供使用 ,但化学家仍常常感到很难便捷地从中得到所需的信息 .这主要是由于反应数据库基于结构的检索方法与化学家解决问题的方法相去甚远 .为解决这一问题而发展了一种通过对反应进行二级分类得到精细描述反应知识的层次模型的方法 .第一次分类时不同的同类反应都在由一组普适性好的称作反应结构一级描述符构成的空间中进行 .在第一次分类结果的基础上 ,得到每一类反应的公共结构特征作为第二次分类的结构描述符 ,利用它们进行更精细的分类 ,即可从原始反应数据中得到所需的基核反应 .由特定反应、基核反应和基型反应就可将反应知识更合理地组织在同类反应知识库中 ,使它们得到更好的利用 .

几种改进的CoMFA方法比较研究血小板活化因子拮抗剂

由于传统的比较分子场分析(CoMFA)方法本身存在一些缺陷,使得分子的叠合规则以及叠合分子的空间取向和空间位置等因素对q^2的影响很大,因此相继提出了几种改进的CoMFA方法.为了优化CoMFA结果,应用传统的CoMFA方法和交叉验证的R^2引导的区域选择法(q^2-GRS)、全取向搜索法(AOS)、全空间搜索法(APS)以及比较分子相似性指数(CoMSIA)等四种改进的CoMFA方法,对18个pinusolide类衍生物这类新发现的血小板活化因子(PAF)拮抗剂进行了比较研究.结果表明四种改进的CoMFA方法得到的q^2值均比传统CoMFA的高.q^2-GRS方法得到的q^2值有所提高,但综合结果并不理想,AOS与APS得到的q^2较为理想,而在CoMSIA中,q^2几乎不受空间取向或空间位置的影响.同时我们引入基于样本的偏最小二乘法(SAMPLS)取代原AOS/APS程序中的传统PLS进行统计分析,明显提高了其运行速度.最后,根据q^2最高的CoMFA模型和CoMSIA模型设计了几个预测活性更高的pinusolide类似物.