http://www.100md.com
王华 陈波 姚守拙
血管紧张素转换酶抑制剂,定量构效关系,反向传输神经网络,量子化学计算,,血管紧张素转换酶抑制剂，定量构效关系，反向传输神经网络，量子化学计算,神经网络方法在血管紧张素转换酶抑制剂定量构效关系建模
摘要 对20个ACEI化合物用量子化学方法进行结构优化并计算出10个参数，用9种不同隐含层节点数的BP神经网络研究了ACEI的定量构效关系，建立了节点为10/6/1的三层BP神经网络模型。结果表明：以量化理论计算所得参数可以构建合理的ACEI定量构效关系模型，神经网络模型M6的r2＝0.995，S=0.050，6个验证集化合物的残差平方和为0.002，预测能力明显强于多元线形回归模型，亦优于同类文献报道，可作为ACEI研发领域中预测先导化合物活性的理论工具。
关键词 血管紧张素转换酶抑制剂，定量构效关系，反向传输神经网络，量子化学计算
1 引言
血管紧张素转换酶抑制剂(ACEI)通过抑制血管紧张素转换酶(ACE)活性，使血管紧张素Ⅱ(angiotensin Ⅱ)的生成减少及使缓激肽(bradykinin)的降解减少，降低血管阻力，降低血压[1]。一般认为，ACEI具备两个必要结构特征与酶的活性部位相结合：Zn2+配位基团与ACE的Zn2+结合，末端羧酸基与ACE的正电荷部位呈离子键结合。同时，ACEI具备辅助基团与ACE的其它辅助活性部位结合，如酰胺中的羰基与ACE的供H部位呈氢键结合，卡托普利(captopril)与血管紧张素转换酶的作用机理(见图1) ......
关键词 血管紧张素转换酶抑制剂，定量构效关系，反向传输神经网络，量子化学计算
1 引言
血管紧张素转换酶抑制剂(ACEI)通过抑制血管紧张素转换酶(ACE)活性，使血管紧张素Ⅱ(angiotensin Ⅱ)的生成减少及使缓激肽(bradykinin)的降解减少，降低血管阻力，降低血压[1]。一般认为，ACEI具备两个必要结构特征与酶的活性部位相结合：Zn2+配位基团与ACE的Zn2+结合，末端羧酸基与ACE的正电荷部位呈离子键结合。同时，ACEI具备辅助基团与ACE的其它辅助活性部位结合，如酰胺中的羰基与ACE的供H部位呈氢键结合，卡托普利(captopril)与血管紧张素转换酶的作用机理(见图1) ......