Zur Seitenansicht
 

Titelaufnahme

Titel
Computeranwendungen in der Chemie : Visualisierung chemischer Reaktionen und Generierung von QSAR-Modellen / von Ingo Brunberg
AutorBrunberg, Ingo In der Gemeinsamen Normdatei der DNB nachschlagen
Erschienen2001
HochschulschriftPaderborn, Univ., Diss., 2001
SpracheDeutsch
DokumenttypDissertation
URNurn:nbn:de:hbz:466-2001010127 Persistent Identifier (URN)
Dateien
Computeranwendungen in der Chemie [9.33 mb]
abstract [64.64 kb]
zusfasng [48.57 kb]
Links
Nachweis
Klassifikation

Deutsch

Im Rahmen dieser Arbeit wurden Verfahren und Computerprogramme zur Visualisierung chemischer Reaktionen und zur Aufstellung quantitativer Struktur−Wirkungsbeziehungen (QSAR) entwickelt. Die Visualisierung chemischer Reaktionen in Form von Computeranimationen soll ein besseres Verständnis der Abläufe von Reaktionsmechanismen auf molekularer Ebene ermöglichen. Entwickelt wurde ein im Internet abrufbares Programmsystem (CAVOC), mit dem vorberechnete Reaktionen in einer dreidimensionalen Ball&Stick−Darstellung betrachtet werden können. Durch das Hinzufügen von Isoflächen physikalisch−chemischer Eigenschaften (Orbitale, Elektronen− und Spindichten, elektrostatische Potentiale) kann die Bedeutung dieser Größen für den betrachteten Reaktionsablauf beurteilt werden. Beschrieben wird die Implementierung der einzelnen Komponenten von CAVOC, das auf Java 3D basierende Applet und der Server zur Erzeugung der Isoflächen. Zudem wird ein kurzer Einblick in die zugrunde liegenden Reaktionsberechnungen gegeben. QSAR−Modelle (Quantitative Structure Activity Relationships) spielen im modernen Wirkstoffdesign eine bedeutende Rolle. Daher wurde ein modulares Programm zur Aufstellung solcher Struktur−Wirkungsbeziehungen entwickelt, das die Aktivitäten chemischer Strukturen mit sogenannten Deskriptoren korreliert. Als mathematische Modelle kommen PLS (Partial Least Squares) und die Methode der k nächsten Nachbarn (KNN) zum Einsatz. Die Optimierung der Modelle durch Variablenselektion in Hinblick auf eine möglichst hohe Vorhersagekraft (bestimmt durch das Leave−one−out−Verfahren) erfolgt mit Genetischen Algorithmen und Simulated Annealing. Das entwickelte Programm konnte für einen Beispieldatensatz aus der Literatur zufriedenstellende Ergebnisse erzielen. Dabei wurde auch eine neue Variante der KNN−Methode (KNN mit Abstandswichtung) untersucht, die leichte Verbesserungen gegenüber der Originalvariante erkennen läßt.

English

Within the scope of this work methods and computer programs for visualising chemical reactions and a software tool for the generation of quantitative structure activity relationships (QSAR) were developed. The visualisation of chemical reactions by means of computer animations shall serve a better understanding of underlying reaction mechanisms. To this end, a system of programs (CAVOC) was developed that allows the user to follow animations of precalculated organic reaction mechanisms in a three dimensional ball&stick representation via the internet. By adding isosurfaces mapped with certain physical properties (orbitals, electron and spin densities, electrostatic potentials) the user is given the ability to rate the effect of these properties in terms of the process of the reaction. This work describes the implementation of CAVOC’s components, the Java 3D based applet and the server responsible for the calculation of the isosurfaces. In addition, a brief introduction to the underlying calculations of the reactions is given. QSAR (Quantitative Structure Activity Relationship) models play a major role in modern drug design. Therefore a modular system was developed that allows modeling of such relationships by means of correlating activities of chemical compounds with so called molecular descriptors. Mathematical methods used within this program are PLS (Partial Least Squares) and KNN (K Nearest Neighbours). In order to obtain a highly predictive, accurate model, redundant descriptors are eliminated under the control of the leave one out method with help of either genetic algorithms or simulated annealing. Satisfying results were obtained by testing the final program with a know dataset from the literature. A new variant of the KNN method (KNN with weighted distances) showed slightly better predictive character than the original implementation.