论文部分内容阅读
黄酮类化合物是天然药用植物的主要活性成分之一,具有多种生理功能。广泛的被科研工作者从实验和理论等多个方面进行不断的研究。很多研究者通过对某些黄酮分子的实验和理论计算证明这些药效作用很多和其清除自由基抗氧化能力有很大关联。而大部分的对于其抗氧化性能的研究多是针对某个分子的不同环上羟基的活性进行分析,或是一类分子通过比较其活性从而得出影响黄酮抗氧化强弱的因素。但参数之间的权重对比,以及对影响黄酮类分子抗氧化强弱因素的参数选取依据和数据定量解释却鲜有研究报道。该论文首先是通过查找相关文献,分别找到了两组分别用相同实验方法确定了其抗氧化实验数据TEAC值的黄酮类化合物。通过使用MS软件中的Dmol3模块进行量子化学方法,采用GGA下BLYP基组下对这些分子进行结构优化和相关分子描述符的计算。第二步是在得到上述的每组中各个分子的分子描述符参数的基础上,我们通过使用SPSS软件的主成分分析模块,对两组化合物分子描述符结果进行了主成分分析,筛选出了主要的影响黄酮类化合物抗氧化强弱的因子,主要包括：活泼位点O-H键的解离能、能级差、活泼位点O原子上的电荷、B环上电荷、活泼位点的C-O和O-H键长等。论文的第三部分主要是应用Matlab软件的BP神经网络模型和SPSS程序中的神经网络中的多层感知器方法,分别对两组黄酮化合物进行神经网络模型的预测。通过两种方法对两组黄酮类化合物进行神经网络模型预测的结果进行对比分析,BP神经网络模型方法预测误差的平方和PRESS值分别为0.0473和0.02399, SPSS神经网络方法预测的误差平方和分别为0.000466和0.520975。通过主成分分析方法确定了影响黄酮类化合物抗氧化能力的参数,给予其理论上的支持解释；对于主成分分析结果使用两种神经网络模型对黄酮类化合物抗氧化能力进行预测。预测结果显示神经网络对于黄酮类抗氧化能力具有很好的预测能力。对于开发研究合成新的具有更好抗氧化能力药物提供一种新的思路和方法,从而也起到促进计算机药理学研究发展的作用。