基于从SMILES字符串计算的1D和2D分子描述符应用多元自适应回归样条(MARSplines)预测Hansen溶解度参数
化学物理
2019-01-14 v1
摘要
通过将多元自适应回归样条(MARSplines)方法与涉及1D和2D PaDEL分子描述符的简单多变量回归相结合，开发了一种预测Hansen溶解度参数(HSPs)的新方法。为了使MARSplines方法适用于QSPR/QSAR问题，提出并测试了若干优化流程。通过QSARINS软件提供的标准QSPR/QSAR内部验证流程以及在溶剂集合中预测聚合物和类药固体溶质的溶解度分类，检验了所得模型的有效性。仅利用从SMILES字符串导出的信息，所得模型即可计算全部三个Hansen溶解度参数，包括色散、极化和氢键。尽管适当估计参数需要若干描述符，但所提流程简单直接，且不需要分子几何优化。所得HSP值与实验数据高度相关，将其用于解决溶解度问题所达到的质量与原始参数基本相同。基于所提供的模型，可对任何缺乏HSP数据的溶剂和液体溶质进行表征。
引用
@article{arxiv.1901.03408,
title = {Application of Multivariate Adaptive Regression Splines (MARSplines) for Predicting Hansen Solubility Parameters Based on 1D and 2D Molecular Descriptors Computed from SMILES String},
author = {Maciej Przybyłek and Tomasz Jeliński and Piotr Cysewski},
journal= {arXiv preprint arXiv:1901.03408},
year = {2019}
}