脂肪酸酰胺水解酶抑制剂抑制活性的神经网络预测模型

为研究脂肪酸酰胺水解酶(Fatty acid amide hydrolase, FAAH)抑制剂抑制活性(pKi)定量构效关系(Quantitative structure-activity relationship,QSAR),计算了72种FAAH抑制剂的两类结构参数,一类是拓扑指数,另一类是量化参数.利用最佳变量子集回归的方法,建立了7个参数(e2,m32,m3,lgP,SAA,m59,e14)的QSAR模型,该模型经验证具有良好的稳健性和预测能力,以此7个参数为人工神经网络的输入层,设定7:5:1的网络结构,所建BP模型的相关系数为0.994.结果表明,拓扑指数联合量化参数能全面表征FAAH抑制剂的分子结构特征,其中e2,m32,m3,lgP,SAA,m59,e14与pKi呈现良好的非线性关系,BP神经网络的预测结果优于多元线性回归方法所得的结果.