人工神经网络预测取代芳烃类化合物对黑呆头鱼的毒性.pdfVIP

CODENJYYHE6／ISSN1001-4160 DOh 人工神经网络预测取代芳烃类 化合物对黑呆头鱼的毒性 李钦玲， 杨玉良 (青海民族大学化学化工学院，青海，西宁810007) 化学参数进行计算，将计算得到的12个量子化学参数和1个结构参数作为描述符引入QSAR研究，最终选取了4个参数用于建 模，运用误差反向传播网络(BP)和径向基函数网络(RBF)建立了取代芳烃化合物对黑呆头鱼毒性的预测模型，平均相关系数R 分别为0．959和0．967，模型具有很好的预测能力。并应用模型对其中7个未知毒性的化合物进行了预测。将所得结果与多元线性 回归结果进行对比，发现BP网络和RBF网络结果均优于多元回归预测模型，表明毒性与量化参数之间存在着非线性关系。 关键词：取代芳烃类化合物；黑呆头鱼毒性；密度泛函理论；误差反向传播神经网络；径向基函数神经网络． 中图分类号：0641：121 文献标识码：A 文章编号：1001．4160(2017)05．395—400 1 引言 本文运用密度泛函理论方法，在B3LYP／6． 取代芳烃类衍生物虽然在工农业生产中有着广 311G木半基组水平下，全优化计算了92个芳烃衍生 泛的应用uJ，但近年来的研究证明它们同时又是一类 物的量子化学参数；结合该类化合物对黑呆头鱼(96 具有生物毒性的环境污染物，甚至对生物体具有致 小时半数致死浓度三C50)的急性毒性数据，用人工 癌、致基因突变的作用[2]，对人类的健康带来一定的 神经网络方法进行QSAR研究，建立了取代芳烃类 危害。因此，对这类化合物的结构特性及其对环境 化合物对黑呆头鱼的QSAR模型，并对所建模型的 预测能力进行了对比分析。 影响的分析就显得尤为重要。近30年来，运用定量 构效关系(QSAR)研究来预测它们对水生植物的急 2建模数据 (毒)性来评价它们的环境行为得到广泛应用。其 2．1毒性数据选取 中，多元线性回归方法应用最为广泛，但它对于非 85个取代芳烃(包括烷基苯、氯代苯、硝基苯、 线性关系的处理存在着一定的局限性。人工神经网 苯胺、苯酚类)对黑呆头鱼的毒性数据来自文 络(ANN)是处理非线性问题的常用方法，其基本原理 献[12—14】，毒性数据为黑呆头鱼96小时半数致死浓 是受生物大脑的启发，模仿人脑神经系统的组成方 度￡C50，即引起半数受试黑呆头鱼死亡所需的取代 式与思维过程而构成的信息处理系统，具有非线性、 自学习、容错性、联想记忆和可训练性等特点，近 (．1班Go)作为毒性指标，毒性实验数据示于表1。 20年来，在许多学科和领域得到高度重视并迅速发 2．2量子化学参数计算 展【3。6j。人工神经网络在化学中的引入，不仅对化合 物的物理、化学性质，而且对化合物的活性、毒性 方法，在6—311G木半水平上几何全优化下对92个取代 等均可构建优良的数学模型而用于未知化合物的预 芳烃类化合物的量子化学参数进行计算，研究所选 测【7J。目前，应用较多的为误差反向传播网络(BP) 用的量子化学参数为：最高占据轨