期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到9篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
利用T_1加权DCE-MRI技术对脑胶质瘤分级 被引量：9
1
作者 邓振生 张娜 +3 位作者 孟莉 王小宜 廖伟华 HOU BL 《中国生物医学工程学报》 CAS CSCD 北大核心 2010年第1期16-21,共6页
应用T1加权动态对比度增强磁共振成像(DCE-MRI)技术对脑胶质瘤进行术前分级,验证其用于脑胶质瘤分级的准确性和可重复性。对26例脑胶质瘤患者团注Gd-DTPA对比剂后,以1.5TSiemens Syngo MRI扫描仪采集DCE T1加权图像。首先基于改进的Toft... 应用T1加权动态对比度增强磁共振成像(DCE-MRI)技术对脑胶质瘤进行术前分级,验证其用于脑胶质瘤分级的准确性和可重复性。对26例脑胶质瘤患者团注Gd-DTPA对比剂后,以1.5TSiemens Syngo MRI扫描仪采集DCE T1加权图像。首先基于改进的Tofts两室药物动力学模型,从采集到的动态组图像建立病灶区感兴趣区内的平均信号强度-时间曲线,然后应用非线性最小二乘拟合方法对该曲线进行拟合,获取定量参数。这些参数包括:初始增强率ER、回流速率常数Kep、排泄速率常数Kel、曲线下面积AUC、峰值高度PH、到达峰值的时间TTP,最后与临床组织病理学结果进行比较,建立这些定量参数与脑胶质瘤分级之间的定量关系。采用独立样本t检验比较任意两个分级之间各定量参数的统计学差异,P<0.05作为统计学差异标准。ER、AUC和PH随着脑胶质瘤的病理分级由低到高地增加;低级别脑胶质瘤中的Ⅰ与Ⅱ级之间以及高级别中的Ⅲ与Ⅳ级之间的比较结果显示,ER、AUC和PH的值均无明显统计学差异(P>0.05);低级别与高级别级之间的比较结果显示,仅参数ER的差异具有统计学意义(P<0.05)。ER是术前准确界定脑胶质瘤低级别与高级别的最具敏感性和特异性的参数,其界定阈值约为0.68。 展开更多
关键词 定量灌注MRI T1加权DCE 脑胶质瘤 定量药物动力学 非线性最小二乘拟合
下载PDF
中药渗透性规律及其评价研究进展 被引量：3
2
作者 许敏 姜壮壮 +1 位作者 陶丽 刘延庆 《中草药》 CAS CSCD 北大核心 2019年第14期3477-3483,共7页
中药血清药理学通过从正常与疾病模型动物血清中分离、鉴定血清移行成分从而寻找药效物质基础,此方法存在一定局限性。大部分中药药效成分在生物药剂学分类系统中属于低溶解-低渗透性药物,生物利用度低但生物效应高,血清药理学不能评价... 中药血清药理学通过从正常与疾病模型动物血清中分离、鉴定血清移行成分从而寻找药效物质基础,此方法存在一定局限性。大部分中药药效成分在生物药剂学分类系统中属于低溶解-低渗透性药物,生物利用度低但生物效应高,血清药理学不能评价非血清移行成分的功效关联规律。基于中药化学成分的复杂性,中药成分的渗透性相互作用可能影响各自的渗透性行为,形成不同的口服吸收处方。因此中药成分的渗透性尤其是多组分共存条件下的中药渗透性规律研究是解决中药功效物质基础问题值得探索的方向之一。首先概述了中药肠渗透与跨生物屏障渗透性评价的体内外实验模型及其各自的应用价值;然后探讨了常见中药活性成分的结构与渗透动力学的关系,特别是中药渗透性研究的定量构动关系研究;最后基于渗透性实验模型与构动关系研究,评述近年来关于中药多组分渗透动力学规律及其渗透机制研究进展,发现中药化学成分之间可以通过促进药物转运或者形成离子配伍而影响成分间的渗透吸收,以期为寻找和预测复杂化学成分的中药渗透性规律研究及成分间相互作用机制研究提供一定的参考与借鉴。 展开更多
关键词 中药渗透性 渗透模型 定量构动关系 肠渗透模型 渗透相互作用
原文传递
烃的含氧衍生物自燃点的QSPR预测研究
3
作者 朱红亚 李晶晶 时静洁 《消防科学与技术》 CAS 北大核心 2022年第8期1019-1022,共4页
应用定量构效关系(QSPR)方法对烃的含氧衍生物的自燃点(AIT)及其与分子结构间的内在定量关系进行了研究。选取国际电工委员会(IEC)数据库中的76种烃的含氧衍生物作为样本集,选择65种作为训练集用于建立预测模型,11种作为测试集。采用遗... 应用定量构效关系(QSPR)方法对烃的含氧衍生物的自燃点(AIT)及其与分子结构间的内在定量关系进行了研究。选取国际电工委员会(IEC)数据库中的76种烃的含氧衍生物作为样本集,选择65种作为训练集用于建立预测模型,11种作为测试集。采用遗传算法(GA)对变量进行筛选,结合线性和非线性方法分别建立多元线性回归(MLR)模型和支持向量机(SVM)模型,理论预测得到了11种烃的含氧衍生物的自燃点,最后对所构建模型的性能及应用域进行了评价。结果表明,经GA筛选得出MATS2e、nCOH、Dv、BEHv2、nCHR、GATS1v、IDE、Du等8种特征分子描述符,GA-MLR和GA-SVM模型的理论预测值与实验值均较为相符且后者更优,两个预测模型均比较稳定,且具备较强的预测能力和泛化推广性能。 展开更多
关键词 烃的含氧衍生物 自燃点 定量构效关系 遗传算法 多元线性回归 支持向量机
下载PDF
药物清除率的定量构动关系研究 被引量：8
4
作者 周鲁 赵蔡斌 《华西药学杂志》 CAS CSCD 北大核心 2005年第1期4-6,共3页
目的　利用量子化学和神经网络方法,建立药物分子结构参数与药物清除率之间的关联模型,以预测药物的清除率。方法　计算了已知清除率的100种药物的18个结构参数,并对其进行了主成分分析,获得3个独立结构参数,分别以3个结构参数和18个结... 目的　利用量子化学和神经网络方法,建立药物分子结构参数与药物清除率之间的关联模型,以预测药物的清除率。方法　计算了已知清除率的100种药物的18个结构参数,并对其进行了主成分分析,获得3个独立结构参数,分别以3个结构参数和18个结构参数作为神经网络的输入,进行了神经网络的建模和预测。结果　采用3个结构参数作为输入参数的神经网络的预测能力明显优于采用18个结构参数的预测能力。结论　所建预测药物清除率的神经网络模型可行,建模时进行药物分子结构参数选择非常必要。 展开更多
关键词 药物分子 药物清除 清除率 关系研究 定量 预测 结构参数 主成分分析 参数选择 神经网络方法
下载PDF
在线固相萃取-液质联用法定量分析生物基质中丁香醛及其在大鼠体内药代动力学研究中的应用 被引量：5
5
作者 王允吉 王清清 +4 位作者 杨志晖 杨杰 关华 周平坤 宋海峰 《中国药理学通报》 CAS CSCD 北大核心 2012年第7期999-1004,共6页
目的建立测定SD大鼠血浆中丁香醛的在线固相萃取-液质联用法(on-line SPE LC-MS/MS)。方法采用乙腈沉淀蛋白后,取上清经on-line SPE系统进行血浆样品预处理,选用香兰素为内标,以LC-MS/MS法测定大鼠血浆中丁香醛的含量。色谱柱为GRACE Al... 目的建立测定SD大鼠血浆中丁香醛的在线固相萃取-液质联用法(on-line SPE LC-MS/MS)。方法采用乙腈沉淀蛋白后,取上清经on-line SPE系统进行血浆样品预处理,选用香兰素为内标,以LC-MS/MS法测定大鼠血浆中丁香醛的含量。色谱柱为GRACE Alltima HP C18(50 mm×2.1 mm,5μm),流动相为乙腈-0.1%甲酸(60∶40,V∶V),流速为0.4 ml·min-1。电喷雾离子化(ESI)方式,采用多反应监测,检测离子为正离子,分别选择m/z 182.3→m/z123.1和m/z 153.1→m/z 93.0作为丁香醛和内标物香兰素的检测离子对。结果丁香醛在10.0～2 000μg·L-1范围内线性关系良好(r=0.9997)。方法的准确度(相对误差,RE)范围为-8.5%～5.9%;日内精密度(相对标准偏差,RSD)<16.3%,日间精密度RSD<13.8%。SD大鼠灌胃给予丁香醛(17.5 mg.kg-1和70 mg.kg-1)后,主要药动学参数:T12分别为41.9 min和54.0 min、Cmax分别为361.0μg·L-1和944.0μg·L-1、Tmax分别为10.0 min和27.5 min、CL分别为848.1 ml·min-1.kg-1和683.9 ml·min-1·kg-1。结论建立的基质中丁香醛的测定方法快速、准确、特异性好,适用于丁香醛在SD大鼠体内的药代动力学研究。 展开更多
关键词 丁香醛 香兰素 在线固相萃取-液质联用 SD大鼠 定量分析 药代动力学
下载PDF
定量构动关系及其在中药药效成分药动学研究中的应用与展望 被引量：2
6
作者 何凤 朱华旭 郭立玮 《中草药》 CAS CSCD 北大核心 2011年第10期2139-2144,共6页
在查阅国内外相关文献的基础上,初步讨论了定量构动关系研究与计算机辅助药物设计的相关关系,同时对其研究内容、研究方法以及影响其模型预测的因素进行了分析总结;着重论述了分子结构描述符的类型及其计算方法以及定量构动关系在中药... 在查阅国内外相关文献的基础上,初步讨论了定量构动关系研究与计算机辅助药物设计的相关关系,同时对其研究内容、研究方法以及影响其模型预测的因素进行了分析总结;着重论述了分子结构描述符的类型及其计算方法以及定量构动关系在中药活性成分药动学中的研究;对当前中药及其复方药动学的研究思路进行了简要概述,同时提出定量构动关系应用于中药复方药动学的研究思路,以期有助于推动中药的研究步伐。 展开更多
关键词 定量构动关系 分子结构描述符 中药 药物动力学 计算机辅助药物设计
原文传递
生物胶束色谱中黄酮类化合物定量保留-药动学性质预测模型的研究 被引量：2
7
作者 沈继斌 佟巍 +1 位作者 崔颖 李灵芝 《第三军医大学学报》 CAS CSCD 北大核心 2013年第12期1257-1261,共5页
目的利用生物胶束色谱(biopartitioning micellar chromatography,BMC)建立黄酮类化合物保留-药动学性质定量关系(quantitative retention activity relationship,QRAR)预测模型。方法测定化合物在pH=7.4的0.05 mol/L Brij35缓冲盐流动... 目的利用生物胶束色谱(biopartitioning micellar chromatography,BMC)建立黄酮类化合物保留-药动学性质定量关系(quantitative retention activity relationship,QRAR)预测模型。方法测定化合物在pH=7.4的0.05 mol/L Brij35缓冲盐流动相中的保留时间并计算保留因子,对保留因子与文献报道药代动力学参数进行拟合,建立QRAR模型,并对模型相关性和预测能力进行评价。结果在最佳流动相条件下,半衰期(T1/2)、表观分布容积(Vd)和总清除率(Cl)的QRAR模型的相关系数分别为0.938、0.898和0.837,在置信度99%的水平上有统计学意义(P<0.01),模型标准差分别为41.929、19.528和0.139。交叉验证结果显示,模型校正集均方根误差(RMSEC)、交互验证均方根误差(RMSECV)、以内插值替换的交互验证均方根误差(RMSECVi)具有可比性,符合预测性能统计学要求。结论构建的黄酮类化合物药代动力学性质QRAR模型具有较好的相关性和预测性能。 展开更多
关键词 生物胶束色谱 定量保留-药动学活性关系 黄酮
下载PDF
反向传播法构建青霉素类药物的定量构动关系 被引量：1
8
作者 潘祎 黄小凤 +3 位作者 黄忠朝 刘艺平 屈健 赵程程 《国际药学研究杂志》 CAS 北大核心 2019年第4期283-286,共4页
目的通过神经网络模型研究青霉素类药物的定量构动关系(QSPR),为药物设计和临床应用提供参考。方法利用AM1量子化学算法计算了19种青霉素类药物的11个结构参数,并从文献中获得其3种药代动力学参数:半衰期(t1/2)、表观分布容积(Vap)和血... 目的通过神经网络模型研究青霉素类药物的定量构动关系(QSPR),为药物设计和临床应用提供参考。方法利用AM1量子化学算法计算了19种青霉素类药物的11个结构参数,并从文献中获得其3种药代动力学参数:半衰期(t1/2)、表观分布容积(Vap)和血浆蛋白结合率(BRPP)。随机选取其中16种药物的结构参数作为人工神经网络的输入参数,药代动力学参数作为输出参数对QSPR模型进行训练,并用剩余的3种药物对模型进行验证。结果构建的QSPR模型预测值与实验值的差别较小,平均误差分别为<0.015、<0.02和<0.025。结论基于神经网络模型能有效预测青霉素类抗生素的上述药动学参数,可用于青霉素类药物的结构设计,为寻找发现更好的药物提供参考。 展开更多
关键词 青霉素类药物 神经网络 反向传播法 定量构动关系
下载PDF
喹诺酮类药物半衰期的定量构动关系研究
9
作者 陈石 何华 +2 位作者 余江河 郑珩 Chuong Pham-Huy 《中国药学杂志》 CAS CSCD 北大核心 2009年第14期1097-1100,共4页
目的应用多元线性回归方法研究喹诺酮类药物的分子结构和半衰期间的定量构动关系(QSPR)。方法利用Hyperchem和Chemoffice软件计算了25个喹诺酮类药物的结构参数和电性参数。随机选取20个药物做训练集以建立QSPR模型,5个常用药物做检验... 目的应用多元线性回归方法研究喹诺酮类药物的分子结构和半衰期间的定量构动关系(QSPR)。方法利用Hyperchem和Chemoffice软件计算了25个喹诺酮类药物的结构参数和电性参数。随机选取20个药物做训练集以建立QSPR模型,5个常用药物做检验集以检验模型的准确性。结果影响喹诺酮半衰期的主要参数EHOMO,φ3,LogP,DM4个分子描述符进入模型,模型复相关系数达0.958。检验集的计算值与实验值复相关系数达0.924。结论所建立的模型能够很好地预测喹诺酮类药物的半衰期,并有效地描述其影响因素。 展开更多
关键词 喹诺酮 半衰期 定量构动关系
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部