目的 化学致癌物/致突变物的定量结构-活性相关研究(Quantitative StructureActivity Relationship,QSAR)自八十年代以来一直是化学和研究领域的热点,并取得了一系列卓有成效的研究成果。N-亚硝基化合物是一类重要的哺乳动物致癌物,其构效关系并不是简单的线性关系,而是错综复杂的非线性关系。若使用传统的线性回归方法往往不能满足要求。所建模型较难契合化合物的实际构效关系。 人工神经网络(Artificial Neural Network,ANN)是近年来发展起来的模拟人脑生物过程的人工智能技术,具有较强的模拟多元非线性体系的能力,拟合效果非常好。其中应用最广泛的是反向传输神经网络(Back-PropagationNetwork,BP)。它具有强大的学习能力和泛化能力,可较好避免QSAR线性化带来的不足问题。 但传统BP神经网络存在收敛速度太慢、变量间存在相关、过拟合等缺陷。本研究旨在寻找成熟可靠的描述符来表征N-亚硝基化合物结构特性,探索改进BP神经网络的方法,并将其应用于N-亚硝基化合物致癌活性的QSAR研究。在同样样本集基础上,将本研究的预测和回判结果与朱永平的Fisher判别分析方法的研究结果进行比较。