手性化合物构效关系研究及蛋白质结构分类展望.pdfVIP

摘要 本论文主要对手性化合物的构效关系及蛋白质结构的分类预测进行了研究。论文包 括五个章节，每个章节的具体内容概括如下： 第一章：简述了手性化合物构效关系研究的重要性、几种用于手性化合物构效关系 研究的算法以及蛋白质结构分类预测的研究现状。 第二章：本论文采用6和7c的残余电负性之和作为原子属性生成构象独立手性指数。 并将其应用于一个包含48对手性氨醇催化剂的数据集，该数掘集为苯甲醛与二乙基锌 发生加成反应的催化剂。采用CPGNN建立了手性氨醇催化剂的构琢独立手性指数与反 应主产物绝对构型的相关性预测模型，预测结果比较满意。对于测试集，该模型能够正 确预测90．0％的手性氨醇催化剂；对于训练集，能够正确识别89．5％的氨醇催化剂。 第三章：采用。和7c的残余电负性之和作为原子的属性来生成构象依赖手性指数， 并将该手性指数应用于一个包含80个手性仲醇的数据集和该仲醇与(R)．MTPA酯化反 应产物的1HNMR化学位移。采用构象依赖手性指数训练相向传输神经网络，并以被训 练的神经网络预测化学位移属性。由此，对于训练集的60个手性仲醇，96．7％的手性 仲醇被正确识别，对于测试集，该预测模型正确预测全部的20个化合物，整个数据集 的交叉验证结果为91．3％。 第四章：在特定催化剂条件下，主产物的绝对构型研究是不对称催化反应的关键问 题之一。本章提出采用由与手性中心相连的左右两个配体结构及与手性中心直接键连的 原子的属性，生成仲醇化合物的几个手性指数。将手性指数应用于一个包含50对手性 不对称反应的产物。采用相向传输神经网络建立产物的手性指数和产物绝对构型之间的 out交叉验 相关性模型，对训练集和测试集的预测能力均在90％及以上，leave．one．pair 证结果也都达到了90％。 第五章：分别从PDB数据库和SCOP数据库中获取蛋白质结构信息和结构分类信息。 然后基于蛋白质的三维结构信息和氨基酸对的出现频率，我们采用两种方法编码蛋白 质。最后，由Random Forests建立了蛋白质编码和蛋白质的结构分类的预测模型，取得 了较满意结果。 关键词：构象依赖手性指数，构象独立手性指数，手性氨醇，手性仲醇，蛋白质 II Abstract have the ofchiral Inthisthesis，we relationships mainlyinvestigatedstructure·activity／property andthe oftheclassificationof structures．Theconsistsoffive compoundsprediction protein paper chapters， andthedetailsofeach areasfollows． chapter In introducethe ofthe ofchiral structure-activityrelationships chapter1，webriefly importance and researchsituationoftheclassificationof compounds，severalalgorithmsofQSARpresent prediction structures． protein