На Ð¿Ñ€Ð°Ð²Ð°Ñ Ñ€ÑƒÐºÐ¾Ð¿Ð¸ÑÐ¸

ских соединений, содержащей в том числе галоидпроизводные и гетероциклические
структуры ароматической природы – Базы 3. Полученные модели имеют
достаточно высокие статистические показатели. Наилучшей прогнозирующей
способностью обладает модель 8, построенная на семи дескрипторах:
-χ M ×10 6 = -3.91 + 3.93 ƒr 1 + 6.41 ƒr 2 - 5.90 ƒr 3 - 2.93 ƒr 4 + 0.728 ƒr 5 +
9.77 ƒr 6 + 0.823 V x (4)
n = 420, R 2 = 0.9846, s = 5.0 (× 10 -6 единиц), средняя ошибка (по модулю) на
прогнозе 7.02 (× 10 -6 единиц).
где fr i равно числу следующих фрагментов в молекулах: ƒr 1 – Br, ƒr 2 – Hal, ƒr 3 –
=O, ƒr 4 – C(Hal) 2 , ƒr 5 – •=•–•÷•÷• , ƒr 6 – RC Ar ÷C Ar (C Ar H) 2 .
На Рис. 33 приведены диаграммы разброса экспериментальных и расчетных
значений магнитной восприимчивости для обучающей и контрольной выборок
согласно вышеприведенной модели.
Расчет
400
350
300
250
200
150
100
50
0
0 50 100 150 200 250 300 350 400
Эксперимент
Предсказание
350
300
250
200
150
100
50
0
0 50 100 150 200 250 300 350 400
Эксперимент
Рис. 33. Диаграмма разброса экспериментальных и расчетных значений магнитной
восприимчивости для обучающей (слева) и контрольной (справа) выборок
соединений (База 3) согласно модели 9.
Таким образом, нами продемонстрирована применимость фрагментного
подхода в рамках методологии QSPR для расчета магнитной восприимчивости
органических соединений различных классов. Предложенные модели по статистическим
характеристикам превосходят описанные в литературе. Этим примером
продемонстрировано, что предложенные фрагментные дескрипторы в сочетании
со статистическим аппаратом множественной линейной регрессии яв-
168