期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
1
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
人工神经网络预测非环状亚硝胺急性毒性的QSAR研究
被引量:
3
1
作者
陈雅菲
钟儒刚
白洁
《化学研究与应用》
CAS
CSCD
北大核心
2022年第1期58-67,共10页
在DFT-B3LYP/6-311+G(d,p)水平对60种非环状亚硝胺分子结构进行几何全优化,通过多元逐步线性回归(MSR)分析筛选出9个量子化学描述符作为自变量,log LD_(50)(lethal dose 50%,LD_(50):大鼠口服急性毒性)作为因变量,采用人工神经网络(ANN...
在DFT-B3LYP/6-311+G(d,p)水平对60种非环状亚硝胺分子结构进行几何全优化,通过多元逐步线性回归(MSR)分析筛选出9个量子化学描述符作为自变量,log LD_(50)(lethal dose 50%,LD_(50):大鼠口服急性毒性)作为因变量,采用人工神经网络(ANN)方法构建QSAR模型。经Levenberg-Marquardt(LM)算法训练得到的隐含层为10个神经元节点的多层感知机ANN模型为最优结构。采用内外双重验证的方法,分析和检验模型的稳健性。对模型的内部验证采用留一法(LOO)交叉验证和均方根误差(RMSE)评估,其结果为Q_(LOO)^(2)=0.9514,RMSE_(train)=0.1534;外部验证结果为Q_(ext)^(2)=0.8842,RMSE_(test)=0.2948,因此构建的QSAR模型具有优秀的预测能力,为非环状亚硝胺结构和其急性毒性关系的深入理解提供理论基础。
展开更多
关键词
非
环状
亚硝胺
量子化学描述符
人工神经网络(ANN)
定量构效关系(QSAR)
急性口服毒性
下载PDF
职称材料
题名
人工神经网络预测非环状亚硝胺急性毒性的QSAR研究
被引量:
3
1
作者
陈雅菲
钟儒刚
白洁
机构
重庆交通大学绿色航空技术研究院
北京工业大学环境与生命学部
出处
《化学研究与应用》
CAS
CSCD
北大核心
2022年第1期58-67,共10页
基金
重庆交通大学绿色航空技术研究院自设项目(GATRI2020D02003)资助。
文摘
在DFT-B3LYP/6-311+G(d,p)水平对60种非环状亚硝胺分子结构进行几何全优化,通过多元逐步线性回归(MSR)分析筛选出9个量子化学描述符作为自变量,log LD_(50)(lethal dose 50%,LD_(50):大鼠口服急性毒性)作为因变量,采用人工神经网络(ANN)方法构建QSAR模型。经Levenberg-Marquardt(LM)算法训练得到的隐含层为10个神经元节点的多层感知机ANN模型为最优结构。采用内外双重验证的方法,分析和检验模型的稳健性。对模型的内部验证采用留一法(LOO)交叉验证和均方根误差(RMSE)评估,其结果为Q_(LOO)^(2)=0.9514,RMSE_(train)=0.1534;外部验证结果为Q_(ext)^(2)=0.8842,RMSE_(test)=0.2948,因此构建的QSAR模型具有优秀的预测能力,为非环状亚硝胺结构和其急性毒性关系的深入理解提供理论基础。
关键词
非
环状
亚硝胺
量子化学描述符
人工神经网络(ANN)
定量构效关系(QSAR)
急性口服毒性
Keywords
acyclic N-nitrosamines
quantum chemistry descriptors
artificial neural network(ANN)
quantitative structure activity relationship(QSAR)
acute oral toxicity
分类号
TQ015.9 [化学工程]
O6-39 [理学—化学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
人工神经网络预测非环状亚硝胺急性毒性的QSAR研究
陈雅菲
钟儒刚
白洁
《化学研究与应用》
CAS
CSCD
北大核心
2022
3
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部