脱氧核糖核酸(DNA)胞嘧啶甲基化是一种主要的表观遗传修饰,在基因调控、基因组稳定性、转录以及多种人类癌症和疾病的发展中起着重要作用。近年来,5-甲基胞嘧啶(5mC)(甲基取代胞嘧啶的第5位C原子)及其顺序氧化产物5-羟甲基胞嘧啶(5hmC)、5-甲酰基胞嘧啶(5fC)和5-羧基胞嘧啶(5caC)被认为是DNA的“新”四大碱基,成为一个新的研究热点。本文利用传统量子化学计算过程中生成的数据对DNA新四大碱基的失活路径进行统计分析。首先,应用密度泛函理论和完全活性空间自洽场方法对DNA新四大碱基在中性和酸性条件下的基态、激发态、环扭曲、分子异构、系间窜越、N-H键解离和H转移交叉点的几何构型进行优化,并利用线性内插方法对其失活能垒进行比较,得到每个结构的最优失活路径。针对每个结构的激发态和优势路径,首次应用主成分分析方法和神经网络预测对其光化学特性进行更深入的分析,旨在能从数据中获取更多的信息而不仅仅囿于表面结构的变化。与基态结构相比,其激发态及交叉点的结构会有键长以及二面角的变化,为了进一步讨论影响能量的主要因素,选择主成分分析方法分析其主要的影响因素,将结果与已有结果进行对比。结果显示,与传统的量子化学方法相比,除5-羧基胞嘧啶的分子异构交叉点外,该方法不仅确定了结构的主要因素,同时也解释了结构变化的原因。针对量子化学计算耗时久,个别结构不容易收敛的问题,选择神经网络方法对结构的单点能进行预测。利用迭代过程中产生的结构以及能量对其进行单点能预测。此处选择隐层节点为5的三层神经网络,选70%的数据作为训练集,其余为测试集,利用平均相对误差进行模型评估,预测误差均在0.1%以下,为可接受水平,同时也分析了个别模型误差略大的原因,数据的离群点多和数据量小是两个重要的原因。