摘要

采用不同多元校正方法定量研究污染物的structureÃ‑Â -活性关系

作者(年代):Mehdi Alizadeh

本文采用具有反向传播学习规则的前馈人工神经网络(ANN)和多元线性回归(MLR)两种不同的多元校正方法，利用分子结构描述子预测了31种不同有机污染物在水蚤中(16 d后)的对数值EC50(在50%种群中引起考虑效应的有效浓度)。考虑了污染物结构对对数值EC50的影响，给出了三个描述符。这些是(特征值10从边缘adj矩阵加权的边缘度，生成热，分配系数(辛醇/水))。采用逐步统计软件(Stepwise SPSS)对变量进行选择，得到最佳拟合模型。选取变量后，将31个化合物随机分为训练集和测试集。预测回归系数分别为0.9967、0.9958，均方误差(MSE)分别为0.0051、0.0091。结果表明，神经网络模型能较准确地模拟数据集中分子的结构描述符与logec50之间的关系。