中藥活性成分定量結(jié)構(gòu)藥效相關(guān)研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩125頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、中醫(yī)藥(TCM)的發(fā)展歷史與人類文明史同步,是中國(guó)民族智慧的結(jié)晶,為人類的健康做出了巨大貢獻(xiàn)。中醫(yī)藥在幾千年的發(fā)展中,已形成了完善的理論體系、積累了豐富的醫(yī)療實(shí)踐經(jīng)驗(yàn),對(duì)現(xiàn)代醫(yī)藥發(fā)展具有積極的推動(dòng)作用。近年來(lái),中醫(yī)藥受到眾多國(guó)家與地區(qū)的重視與肯定,并被積極開發(fā)利用。目前,眾多中藥創(chuàng)新藥物已被研制開發(fā)??梢灶A(yù)計(jì),以天然中藥為基礎(chǔ)開發(fā)創(chuàng)新藥物將成為21世紀(jì)醫(yī)藥發(fā)展的重要領(lǐng)域。 定量結(jié)構(gòu)活性相關(guān)(QSAR)是現(xiàn)代化學(xué)基礎(chǔ)研究與應(yīng)用的重

2、要領(lǐng)域,已成為有機(jī)化學(xué)、藥物化學(xué)、環(huán)境化學(xué)、計(jì)算化學(xué)、農(nóng)藥乃至分子生物學(xué)、免疫學(xué)的研究熱點(diǎn),但在中藥復(fù)方制劑研究以及中藥活性成分篩選中的應(yīng)用卻比較有限。本文使用分子電性距離矢量(MEDV)表征中藥活性成分分子結(jié)構(gòu),并用多元線性回歸(MLR)、逐步回歸(STR)、主成分分析(PCA)、偏最小二乘回歸(PLS)與人工神經(jīng)網(wǎng)絡(luò)(ANN)等方法研究中藥活性成分的結(jié)構(gòu)參數(shù)與其藥效之間的相關(guān)關(guān)系,建立QSAR模型并用于未知藥效的活性成分的預(yù)測(cè)。本文

3、研究分為以下幾個(gè)部分: 1. 使用STR與PLS對(duì)抗SARS中藥活性成分進(jìn)行藥效識(shí)別研究,用STR篩選顯著結(jié)構(gòu)參數(shù)建立各種藥效的相關(guān)模型,對(duì)測(cè)試集樣本的預(yù)測(cè)率均在80%以上;用PLS方法對(duì)退熱、抗炎、改善血循環(huán)、預(yù)防等藥效建立的相關(guān)模型對(duì)測(cè)試集樣本的預(yù)測(cè)率也均在80%以上,兩種方法所建立的模型具有較好的預(yù)測(cè)能力。 2. 選取對(duì)人體鼻咽癌(KB)細(xì)胞有致毒活性的中藥活性成分進(jìn)行QSAR研究。分別用STR和PLS方法建立結(jié)構(gòu)

4、參數(shù)與藥效的QSAR模型,其最優(yōu)模型的復(fù)相關(guān)系數(shù)(R2)分別為0.674與0.618;交互校驗(yàn)復(fù)相關(guān)系數(shù)(Q2)分別為0.519與0.547;對(duì)測(cè)試集樣本的均方根誤差(RMS)分別為1.488與1.434,所建立的模型具有良好的預(yù)測(cè)能力。 3. 用人工神經(jīng)網(wǎng)絡(luò)(ANN)以及主成分神經(jīng)網(wǎng)絡(luò)(PCA-ANN)對(duì)抗SARS中藥活性成分進(jìn)行藥效識(shí)別研究。兩種方法建立的模型對(duì)測(cè)試集樣本的退熱、抗炎、改善血循環(huán)、預(yù)防等藥效的預(yù)測(cè)率均高于85

5、%。研究結(jié)果表明:PCA-ANN模型對(duì)各種藥效的預(yù)測(cè)能力與ANN模型相當(dāng),但對(duì)退熱藥效的預(yù)測(cè)能力有明顯改進(jìn)。 4. 使用ANN與PCA-ANN對(duì)有抗腫瘤活性的活性成分進(jìn)行QSAR研究,兩種方法所建模型對(duì)測(cè)試集樣本的RMS分別為1.530與1.516。研究結(jié)果表明:ANN模型與PCA-ANN模型的預(yù)測(cè)能力相當(dāng),但明顯不如STR與PLS模型。 5. 使用ANN與PCA-ANN對(duì)有致毒活性的中藥活性成分進(jìn)行識(shí)別研究,兩種方法所

6、建模型的預(yù)測(cè)率分別為64.00%與73.00%。研究結(jié)果表明:兩種方法所建立的模型對(duì)中藥活性成分的篩選具有一定指導(dǎo)作用,但還需要進(jìn)一步改進(jìn)。 6. 使用ANN與PCA-ANN方法對(duì)有急性毒性的中藥活性成分進(jìn)行活性識(shí)別研究,兩種方法所建模型對(duì)測(cè)試集樣本的預(yù)測(cè)率分別為59.09%與63.64%。研究結(jié)果表明:PCA-ANN模型的預(yù)測(cè)能力比ANN模型有所提高,但還需要進(jìn)一步改善,以提高其預(yù)測(cè)能力。 通過(guò)對(duì)中藥活性成分進(jìn)行QSA

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論