[发明专利]一种醚菊酯类化合物毒性强弱的快速识别方法

说明书

不同醚菊酯类化合物在20ppm时对黑尾叶蝉的百分死亡率不同，有的可以达到100%，这属于毒性强的类别；有的只能达到90%，这些属于毒性一般的弱的类别。研究者希望通过对醚菊酯构效关系的研究，可以探寻高效农药的结构参数，又能预测新设计农药生物活性的等级。但仅用传统的模式识别方法研究药物结构活性关系时分类不够理想甚至分类不清的情况。本发明的目的是为了克服现有技术存在的缺陷，提供一种基于每个醚菊酯类化合物分子对应有描述其结构特征的四个参数为基础数据，然后对这些基础数据进行映射组合，再基于映射组合数据建立醚菊酯类化合物毒性强弱的快速识别方法。通过这些方法可以几分钟就可以得到结果，方便快捷，无需实验和繁杂的计算。

技术领域

本发明涉及醚菊酯类化合物毒性的预测，特别是一种醚菊酯类化合物毒性强弱的快速识别方法。

背景技术

醚菊酯，通用名：ethofenprox，化学名称：2（4－乙氧苯基）－2－甲基丙基－3－苯氧基苄基醚，分子式：C₂₅H₂₈O₃。醚菊酯是一种高效、低毒的农药。它具有杀虫谱广、杀虫活性高、击倒速度快、残效期长、对皮肤、眼睛无刺激等特点。因此越来越多的研究者希望通过对醚菊酯构效关系的研究，可以探寻高效农药的结构参数，又能预测新设计农药生物活性的等级。结构活性关系研究依然是分子建模的基本方法，因为药物与受体在三维空间中相互作用是药物呈现药效的分子基础，这种相互作用对分子生理活性的影响非常大，它们与分子的各种结构化学参数都有一定关系。一般构效关系研究都会选择用一些物理化学参数（如电性、立体性、疏水性、拓扑性等），运用数据挖掘方法寻找它们与化合物生理活性之间的关系。但是，由于药物结构活性关系相当复杂，研究发现仅用传统的模式识别方法（如主成分分析, 判别矢量方法）研究药物结构活性关系不一定得到理想的研究结果，有时甚至因模型的正确分类率太低而无法得到可靠的预测结果。

醚菊酯类化合物毒性可以简单分为强度性和弱毒性两大类，本专利尝试基于每个醚菊酯类化合物分子对应有描述其结构特征的四个描述符参数，它们分别是醚菊酯类化合物的取代基B的Hammett常数σ_B, 取代基A、B摩尔折射M_A、M_B，疏水值之和Π为基础数据，开发出新的数据挖掘算法以解决仅用传统的模式识别方法研究药物结构活性关系时分类不够理想甚至分类不清的情况。

发明内容

不同醚菊酯类化合物在20ppm时对黑尾叶蝉的百分死亡率不同，有的可以达到100%，这属于毒性强的类别；有的只能达到90%，这些属于毒性一般的弱的类别。研究者希望通过对醚菊酯构效关系的研究，可以探寻高效农药的结构参数，又能预测新设计农药生物活性的等级。但仅用传统的模式识别方法研究药物结构活性关系时分类不够理想甚至分类不清的情况。本发明的目的是为了克服现有技术存在的缺陷，提供一种基于每个醚菊酯类化合物分子对应有描述其结构特征的四个参数为基础数据，然后对这些基础数据进行映射组合，再基于映射组合数据建立醚菊酯类化合物毒性强弱的快速识别方法。通过这些方法可以几分钟就可以得到结果，方便快捷，无需实验和繁杂的计算。

本发明的目的可以通过如下的技术方案实现：

一种醚菊酯类化合物毒性强弱的快速识别方法，包括如下步骤：

1）从文献中查找醚菊酯类化合物及其对应在20ppm时对黑尾叶蝉的百分死亡率。用Chemdraw画出收集到的醚菊酯类化合物结构，再用Dragon软件计算生成描述符取代基B的Hammett常数σ_B, 取代基A、B摩尔折射M_A、M_B，疏水值之和Π的值。这样由描述符参数数据集死亡百分率数据构成了醚菊酯类化合物毒性强弱的基础数据集。

2）对基础数据集中的描述符参数数据进行映射组合，得到醚菊酯类化合物毒性强弱的中间数据集。

3）基于中间数据集，利用支持向量机分类算法建立醚菊酯类化合物毒性强弱的分类判别模型。