Компьютерная диагностика канцерогенности химических веществ на основе систематизации и анализа структурных дескрипторов

Компьютерная диагностика канцерогенности химических веществ на основе систематизации и анализа структурных дескрипторов

Автор: Орлов, Виталий Владимирович

Шифр специальности: 05.13.01

Научная степень: Кандидатская

Год защиты: 2001

Место защиты: Волгоград

Количество страниц: 168 с. ил

Артикул: 2308474

Автор: Орлов, Виталий Владимирович

Стоимость: 250 руб.

Компьютерная диагностика канцерогенности химических веществ на основе систематизации и анализа структурных дескрипторов  Компьютерная диагностика канцерогенности химических веществ на основе систематизации и анализа структурных дескрипторов 

1.1. Краткий обзор методов анализа связи структура свойство.
1.2. Характеристика современных методов анализа связи структура свойство
1.3. Современные прогностические модели канцерог еннос ги токсичности химических веществ
1.4. ВЫВОДЫ ИЗ ЛИТЕРАТУРНОГО ОБЗОРА ДЛЯ ОБОСНОВАНИЯ ДИССЕРТАЦИОННОЙ РАБОТЫ
ГЛАВА 2. СИСТЕМАТИЗАЦИЯ И ВЕРИФИКАЦИЯ ИНФОРМАЦИИ ПО КАНЦЕРОГЕННЫМ СОЕДИНЕНИЯМ И ФОРМИРОВАНИЕ РЕПРЕЗЕНТАТИВНОЙ ВЫБОРКИ
2.1. Формирование обучающей выборки нл основе данных I.
2.2. Формирование обучающей выборки на основе данных
2.3. Тестовые выборки из РТЕ1, РТЕ2.
2.4. ТЕСТОВЫЕ ВЫБОРКИ ПО ДОБАВКАМ В ПОЛИМЕРЫ
ГЛАВА 3. ПРИМЕНЕНИЕ СТРУКТУРНЫХ ДЕСКРИПТОРОВ ДЛЯ ОПИСАНИЯ ХИМИЧЕСКИХ СОЕДИНЕНИЙ СИСТЕМАТИЗАЦИЯ И ФОРМИРОВАНИЕ ИНФОРМАЦИОННОЙ ОСНОВЫ
3.1. Дескрипторы молекулярной структуры в исследованиях связи структураактивность и выбор ЭФФЕКТИВНЫХ АДЕКВАТНЫХ ДЕСКРИПТОРОВ
3.2. Используемые нотации структурной формулы.
3.2.0. Дескриппюрный язык
3.2. . Простые атомные пары АП.
3.2.2. Помеченные атомные пары ПАП.
3.2.3. Присоединенные атомные фрагменты ПЛФ.
3.2.4. Многоуровневые атомные окрестности МАО.
3.2.5. Топологические индексы ГИ
ГЛАВА 4. РАЗРАБОТКА И ОПТИМИЗАЦИЯ МНОГОМЕРНЫХ МЕТОДОВ АНАЛИЗА ДАННЫХ Д.1Я ДИАГНОСТИКИ КАНЦЕРОГЕННОЙ ОПАСНОСТИ ХИМИЧЕСКИХ СОЕДИНЕНИЙ.
4.1. Математические модели
4.1.1. Параметрические модели методов распознавания образов с различными гипотезами о распределении признаков.А
1. МЕТОД. ОСНОВАННЫЙ НА НЕЗАВИСИМЫХ ДИСКРЕТНЫХ ПРИЗНАКАХ НДГ
2. МЕТОД. ОСНОВАННЫЙ ПА ПОЛИНОМИАЛЬНОМ РАСПРЕДЕЛЕНИИ ПРИЗНАКОВ МНР
3. ЛИНЕЙНАЯ ДИСКРИМИНАНТНАЯ ФУНКЦИЯ ЛДФ ФИШЕРА
4. АЛГОРИТМ ВЗВЕШЕННОГО ЕВКЛИДОВА РАССТОЯНИЯ ВЕР.
5. МЕТОД, ОСНОВАННЫЙ НА РАСПРЕДЕЛЕНИИ ПУАССОНА ПРИЗНАКОВ МПУР.
6. МЕТОД, ОСНОВАННЫЙ НА ГЕОМЕТРИЧЕСКОМ РАСПРЕДЕЛЕНИИ ПРИЗНАКОВ Р.
7. МЕТОД, ОСНОВАННЫЙ НА РАСПРЕДЕЛЕНИИ БЕРНУЛЛИ МБР
8. МЕТОД, ОСНОВАННЫЙ НА ГИПЕРГЕОМЕТРИЧЕСКОМ РАСПРЕДЕЛЕНИИ ПРИЗНАКОВ МГГР
4.1.2. Непараметрические модели.
9. МЕТОД КБЛИЖАЙШИХ СОСЕДЕЙ КБС
. МЕТОД ОСНОВАННЫЙ НА РАЗЛОЖЕНИИ ЧОУ ДЛЯ БИНАРНЫХ ПРИЗНАКОВ ЧОУ.
4.1.3. Локальные методы классификации.i.
ВАРИАНТ I. МЕТОДЫ ЛОКАЛЬНОГО РАСПРЕДЕЛЕНИЯ С ФИКСИРОВАННЫМ РАДИУСОМ СФЕРЫ .
ВАРИАНТ II. МЕТОДЫ ЛОКАЛЬНОГО РАСПРЕДЕЛЕНИЯ С ФИКСИРОВАННЫМ ОБЪЕМОМ ЛОКАЛЬНОЙ ОБУЧАЮЩЕЙ ВЫБОРКИ К.
4.2. ПРОЦЕДУРЫ ГОЛОСОВАНИЯ
I. ГОЛОСОВАНИЕ ПО ПРОСТОМУ БОЛЬШИНСТВУ ГИБ.
Т 5
Г . г Л
2. ГОЛОСОВАНИЕ ПО БАЙЕСОВСКОМУ АЛГОРИТМУ ДЛЯ НЕЗАВИСИМЫХ БИНАРНЫХ ПРИЗНАКОВ
3. ГОЛОСОВАНИЕ ПО ПРАВИЛУ НЕЗАВИСИМЫХ ЭКСПЕРТОВ ГНЭ
4.3. Процедуры оптимизации пространства признаков анализ и отбор
1. АПРИОРНЫЙ ОТБОР ПРИЗНАКОВ ПО ТОЧНОМУ КРИТЕРИЮ ФИШЕРА ТКФ
2. АЛГОРИТМ ПРЯМОГО ОТБОРА ПРИЗНАКОВ 0.
3. АЛГОРИТМ ОБРАТНОГО ОТБОРА ПРИЗНАКОВ ОО
4. АЛГОРИТМ СЛУЧАЙНОГО ПОИСКА С АДАПТАЦИЕЙ СПА
4.4. ОЦЕ1 ОСИ ТОЧНОСГИ ПРОГНОЗА КАНЦЕРОГЕННОЙ ОПАСНОСТИ
4.5. Обсуждение результатов сравнение и оптимизация методов распознавания
4.6. ДОПОЛНИТЕЛЬНОЕ ТЕСТИРОВАНИЕ РАЗРАБОТАННОЙ МЕТОДИКИ ОБРАБОТКИ ИНФОРМАЦИИ НА ПРИМЕРЕ ДИАГНОСТИКИ СТАБИЛИЗИРУЮЩЕЙ АКТИВНОСГИ И КАНЦЕРОГЕННОЙ ОПАСНОСТИ ДОБАВОК К ПОЛИМЕРАМ
4.6.1. Прогнозирование свойств стабилизаторов замещенных полиэтиленов на основе зависимостей
структурасвойство
4.6. 2. Компьютерная экспертиза канцерогенной опасности низкомолекулярных модификаторов полимерных композиций стабилизаторов замещенных полиэтиленов
ГЛАВА 5. ПРОГРАММНЫЙ КОМПЛЕКС КОМПЬЮТЕРНОЙ СИСТЕМЫ БАРВСТ ДЛЯ ДИАГНОСТИКИ КЛНЦЕРОГЕННОСТИ ХИМИЧЕСКИХ ВЕЩЕСТВ
Общая схема системы компьютерной диагностики
Наборы данных.
Архитектура баз данных
БРфайлы
Трансляторы.
Модули и алгоритмы прогноза.
Сервисные программы.
ВЫВОДЫ
1. Список используемых аббревиатур и сокращений.
2. СПИСОК НЕКОТОРЫХ ОБЩЕУПОТРЕБИТЕЛЬНЫХ ОБОЗНАЧЕНИЙ.
3. АЛФАВИТНОПРЕДМЕТНЫЙ УКАЗАТЕЛЬ.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК .
ВВЕДЕНИЕ


В связи с этими представлениями выделяются две основных группы машинных методов изучения ССА. Первый подход, начало которому положила работа Хэнча с соавт. Для этой цели строятся регрессионные модели, связывающие величину биологического действия с различными физикохимическими или структурными параметрами, характеризующими либо соединение в целом, либо составляющие его функциональные группы. Характер этих моделей не специфичен для вида активности, и данные модели в основном описывают процессы, происходящие на фармакокинетической стадии. Вторая группа методов изучения ССА заключается в отыскании характерных для фармакодинамической стадии зависимостей между структурой и активностью, которые обуславливают специфичность действия БАС. Эти методы включают в себя все остальные, а также рассматриваемые в данной работе методы анализа ССА. Существует несколько теоретических методов 3 исследования связи между строением и биологической активностью молекулы. V энергию исследуемого процесса с физикохимическими параметрами соединения, так называемая экстра термодинамическая модель, предложенная Хэнчем и сотр. Общепризнанно, что современный этап анализа ССА начался с формирования Хэнчем с соавт. Фри, Уилсоном статистического направления в анализе ССА. Осознание того факта, что попытки корреляции активности с какимлибо одним структурным или физикохимическим параметром имеют ограниченный успех, и применение к задачам медицинской химии методов физической органической химии и многомерного статистического анализа привело Хэнча, Фуджиту с соавт. А,. МНК выборки соединений с известными свойствами. Отметим здесь, что функция или уравнение регрессии формально выражает корреляционную зависимость между переменными. Последняя является частным случаем стохастической вероятностной зависимости, которая обычно характерна для ССА. Данное соотношение нашло чрезвычайно широкое применение в исследованиях ССА. Оно было выведено теоретически в г. Хэнчем и Фуджитой пугем сочетания двух гипотез с уравнением Гаммета. Метод основан на предположении, что все физикохимические параметры, связанные с транспортными свойствами и взаимодействиями активного центра, слагаются из трех составляющих гидрофобной, электронной и стерической. Вклад каждой из этих составляющих характеризуется с помощью соответствующих констант заместителя, описывающих различие в свойствах между первым членом гомологического ряда и рассматриваемым соединением. Практическое применение уравнения Хэнча показало, что в ряде случаев с экспериментальными данными лучше согласуются его упрощенные формы. Параметры, оценивающие гидрофобность эффекты среды, среди которых наиболее распространенными являются величина л и коэффициент распределения в системе октанол вода . Параметры, характеризующие стерические факторы. Наиболее распространенными являются стерический параметр Тафта и вандсрваальсов радиус Гу . Параметры, учитывающие электронный фактор. Делятся на два типа корреляционные константы и квантовомеханические параметры. КА. Параметры второго типа, получаются в ходе квантовохимических расчетов, с помощью полуэмпирических и неэмпирических методов. Еномо потенциалы ионизации нуклеофильная и электрофильная сверх
делокализуемость атомов и т. К регрессионному подходу относят также формулировку Фри и Уилсоном в г. Широкое применение этих методов, в особенности различных модификаций уравнения Хэнча, длительное время определяло характер развития количественного анализа ССА. Множество удачных регрессионных моделей можно найти в обзоре 4. Но отметим, что главное условие, необходимое для получения регрессионных уравнений с высокими статистическими характеристиками, это использование для их вывода соединений из узких гомологических рядов, с относительно небольшими структурными различиями. Это весьма сильно ограничивает область приложения полученных корреляций. К тому же, как показывает огромный опыт прикладной статистики, регрессионный анализ является плохим инструментом для экстраполяции 1 . В конце х начале х гг. ТРО 1,9,.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.238, запросов: 244