KHẢO SÁT
SỰ LIÊN HỆ CẤU TRÚC-ÐỘC TÍNH
CỦA CÁC
CHẤT DẪN XUẤT TỪ BENZEN
Bùi Thọ Thanh, Phùng Quán, Nguyễn Chí Sơn, Thái Sanh Nguyên Bình*
Trường Ðại học Khoa học Tự Nhiên - ÐHQG tp.HCM
* Phân Viện Nghiên Cứu Bảo Hộ Lao Ðộng Tp.HCM
Tóm tắt:
Mục đích của bài này là
nhằm trình bày một số
kết quả về sự liên hệ định
lượng giữa đặc tính cấu trúc và độc
tính của hóa chất. Ðối tượng được
xem xét là
77 chất dẫn xuất từ benzen. Phương pháp tính toán
được dùng là phương pháp hóa lượng
tử kết hợp với phương pháp phân tích
thống kê và kỹ thuật
lập mạng nơ ron.
Ðộc tính của 77 chất dẫn xuất từ benzen được xác định qua nồng độ Cmiz thực nghiệm. Các yếu tố cấu trúc có thể có
ảnh hưởng đến độc tính như hệ
số phân bố 1-octanol-nước, hiệu
ứng lập thể và điện
tử của các nhóm thế,
điện tích tại các nguyên
tử của vòng benzen đã được
khảo sát.
Kết quả nhận được cho thấy phương pháp mạng nơ ron luôn
cho mô hình
có hệ số tương quan R2 và hệ số Q2 (đặc trưng cho khả năng
dự đoán của mô hình)
cao hơn so với phương pháp hồi qui tuyến tính. Phương pháp mạng nơ ron kết
hợp với các tính toán
lượng tử là phương pháp tốt nhất để khảo sát QSAR của các dẫn
xuất benzen nói riêng và
các hợp chất hữu cơ nói chung.
QUANTITATIVE STRUCTURE-TOXICITY RELATIONSHIPS
OF BENZENE
DERIVATIVES
Bui Tho
Thanh, Phung
Quan, Nguyen
Chi Sơn, Thai Sanh
Nguyen Binh*
University of Natural
Sciences - VNU.HCM
*
Abstract:
The
aim of this paper is to present some recent theoretical results on the
application of Neural Networks and Statistical Analysis in conjunction with
quantum calculations for examining the Quantitative Structure-Activity
Relationships (QSARs) of 77 benzene derivatives.
The
QSARs of benzenes are established by using
traditional statistical analysis (multiple regressions, correlation analysis)
and Back propagation Neural Networks. The toxicity, Cmiz,
is estimated experimentally and molecular information (1-octanol/water
partition coefficient, the steric and electronic
effects of substituents, the net charges of benzene
ring atoms) are obtained from quantum mechanical calculations.
The
obtained results prove that Neural Networks in appropriate architectures could
be used as a good predictive tool for studying the QSARs
of benzene derivatives.