典型文献
人工神经网络预测非环状亚硝胺急性毒性的QSAR研究
文献摘要：
在DFT-B3LYP/6-311+G(d,p)水平对60种非环状亚硝胺分子结构进行几何全优化,通过多元逐步线性回归(MSR)分析筛选出9个量子化学描述符作为自变量,log LD50(lethal dose 50％,LD50:大鼠口服急性毒性)作为因变量,采用人工神经网络(ANN)方法构建QSAR模型.经Levenberg-Marquardt(LM)算法训练得到的隐含层为10个神经元节点的多层感知机ANN模型为最优结构.采用内外双重验证的方法,分析和检验模型的稳健性.对模型的内部验证采用留一法(LOO)交叉验证和均方根误差(RMSE)评估,其结果为Q2LOO=0.9514,RMSEtrain=0.1534;外部验证结果为Q2ext=0.8842,RMSEtest=0.2948,因此构建的QSAR模型具有优秀的预测能力,为非环状亚硝胺结构和其急性毒性关系的深入理解提供理论基础.
文献关键词：
非环状亚硝胺;量子化学描述符;人工神经网络(ANN);定量构效关系(QSAR);急性口服毒性
中图分类号：
作者姓名：
陈雅菲;钟儒刚;白洁
作者机构：
重庆交通大学绿色航空技术研究院,重庆 401120;北京工业大学环境与生命学部,北京 100124
文献出处：
引用格式：
[1]陈雅菲;钟儒刚;白洁-.人工神经网络预测非环状亚硝胺急性毒性的QSAR研究)[J].化学研究与应用,2022(01):58-67
A类：
非环状亚硝胺,量子化学描述符,RMSEtrain,Q2ext,RMSEtest,急性口服毒性
B类：
人工神经网络预测,急性毒性,QSAR,DFT,B3LYP,311+G,分子结构,全优,多元逐步线性回归,MSR,log,LD50,lethal,dose,因变量,ANN,Levenberg,Marquardt,LM,算法训练,练得,隐含层,多层感知机,最优结构,检验模型,内部验证,交叉验证,Q2LOO,外部验证,预测能力,定量构效关系
AB值：
0.282462
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
