摘要
基于软性参数的氟喹诺酮类衍生物qsar研究
作者(年代):p。p。singh, Sanjeev Saxena, Shikha Saxena我们用异质原子的最高有效软度值Em Â和En Â, HOMO能量(ï), LUMO能量(ï),绝对硬度(),整体软度(S),化学势(ï),电负性(ï£)和能量描述符生成热(ï Hf 0),总能量(TE),电子能量(EE),核-核斥力(CCR)在这些描述符的所有可能组合中。利用化学势、生成热和总能建立的QSAR模型具有较好的预测能力,回归系数约为0.8。如果描述子化学势被电负性取代,QSARmodel保持不变。我们发现5个QSARmodels具有较好的预测能力,其中2个给出相同的结果。
分享这