黄酮衍生物作为P糖蛋白抑制剂的构效关系研究

黄酮类化合物对P糖蛋白外泵作用的抑制效果越来越引起人们的关注.使用偏最小二乘法(PLS)和MolconnZ分子参数计算程序, 首次成功地构建了特异性地结合到P糖蛋白NBD2位点的黄酮类抑制剂的二维定量构效关系(2D-QSAR)模型.所得到的模型(尤其是模型D)表现出良好的可靠性和预测性,较好地关联了该类化合物结构特点和其对P糖蛋白抑制活性.这些模型对进一步合成和开发黄酮类P糖蛋白抑制剂有指导作用.     

P-gp抑制剂对蓬子菜活性成分肠吸收的影响

考察P-gp抑制剂对蓬子菜中活性成分肠吸收的促进作用.采用大鼠肠襻模型及HPLC测定方法,以活性成分DXG的剩余百分数(R%)和肠吸收转化率(A%)为评价指标,考察P-gp抑制剂对蓬子菜中活性成分肠吸收的影响.结果表明,与对照组相比,各组DXG剩余百分数减少,单位时间吸收转化率增加,蓬子菜中活性成分的肠吸收增加.P-gp抑制剂通过竞争性抑制作用,对蓬子菜中活性成分的肠吸收具有一定促进作用,可提高蓬子菜活性成分的生物利用度,为蓬子菜的新药研究提供新的科学依据.     

家蝇GABA受体抑制剂的药效团模型构建

选取具有较高体外抑制活性且结构差异较大的四类GABA受体抑制剂作为化合物集,利用Catalyst软件,经分子结构搭建、构象分析、药效团识别,构建出了家蝇GABA受体抑制剂的药效团模型.经分析、筛选得到含有一个芳环中心、一个脂肪性疏水中心和两个氢键受体的具有较好预测能力(RMS=0.766449,Correl=0.905422,Weight=1.87642,Config=13.7434)的药效团模型.该模型的构建对揭示配体与GABA受体作用的药效模式及设计新型GABA受体抑制剂具有重要指导意义.     

苍柏纳米乳在体肠吸收机理的研究

选用大鼠在体小肠单向灌流法为模型,以苍柏纳米乳灌流液中盐酸小檗碱的含量为指标,考察苍柏纳米乳在大鼠小肠不同肠段的吸收情况;并探讨P-糖蛋白(P-gp)抑制剂盐酸维拉帕米对苍柏纳米乳的肠吸收情况的影响.苍柏纳米乳中盐酸小檗碱在大鼠十二指肠段的吸收参数K_a、P_(app)值显著高于其在空肠、回肠、结肠段的吸收.苍柏纳米乳中盐酸小檗碱在吸收过程中存在高浓度饱和现象,且P-gp抑制剂盐酸维拉帕米对苍柏纳米乳小肠吸收情况的影响没有显著性差异.苍柏纳米乳的最佳吸收肠段为十二指肠,空肠、回肠次之,结肠吸收最差.苍柏纳米乳中盐酸小檗碱的吸收过程为主动转运,且不受P-gp抑制剂的影响.     

氢氯噻嗪在Caco-2细胞模型中的体外转运研究

采用体外培养的人小肠上皮细胞模型Caco-2考察浓度、时间、P-糖蛋白(P-glyprotein,P-gp)抑制剂维拉帕米(verapamil)以及pH对氢氯噻嗪(hydrochlorothiazide)跨膜转运的影响.氢氯噻嗪双向转运的Papp比值即Papp B→A/Papp A→B均大于1.5.在加入P-gp抑制剂维拉帕米后,氢氯噻嗪PappA→B极显著增大,Papp B→A降低,且Papp B→A/Papp A→B从2.87下降到0.67,加入前后有极显著差异(P0.01),且氢氯噻嗪的吸收转运随pH值的降低而显著增加.结果表明,氢氯噻嗪在Caco-2细胞模型中的吸收可能存在由载体介导的主动转运,同时它还受到P-糖蛋白的外排作用.     

改进的分子电性距离矢量用于黄酮类化合物抗氧化活性研究

利用改进的分子电性距离矢量(3D-MEDV)对22个黄酮类化合物进行结构表征,通过多元线性同归的方法建立了6变量定量结构-活性关系模型,复相关系数R为0.936,标准误差SD为13.317.再用留一法(Leave-one-out,LOO)交叉检验对模型进行了评价,得到的复相关系数Rcv为0.829,标准误差SDcv为21.191.将所建模型与文献进行了比较,结果表明3D-MEDV能较好地表征黄酮类化合物的分子结构,本文所得结果优于文献.     

趋化因子受体CXCR4非肽类抑制剂药效团的设计

趋化因子受体CXCR4是HIV进入宿主细胞的辅助受体之一.为了研究其抗HIV抑制剂的构效关系,6个结构多样性和拥有高活性的抑制剂被作为训练集来构建药效团模型,然后对由活性抑制剂和非活性抑制剂构成的测试集进行筛选,通过应用受试者工作特征(receiver operator characteristic,ROC)曲线和计算富集因子(enrichment factor,EF)的方法评估每个模型的预测能力与合理性.最终得到一个具有较高的ROC曲线下面积(area under curve,AUC)与富集因子的药效团模型,可用于指导新颖CXCR4抑制剂的设计及相关抗艾滋病药物的研发.     

八珍汤中芍药苷、阿魏酸肠吸收影响因素研究

考察药物质量浓度、肠段、pH值及P-gp对八珍汤中芍药苷、阿魏酸肠吸收的影响规律.采用大鼠在体循环灌流法,应用HPLC测定肠吸收循环液中芍药苷、阿魏酸的质量浓度,UV法测定肠吸收循环液中即时酚红质量浓度.芍药苷、阿魏酸分别在0.08~0.64 mg/mL和0.008~0.064 mg/mL范围内,各浓度的吸收量与药物浓度呈良好线性关系(r0.999),且吸收速率常数(Ka)、累积吸收百分率(A)及t1/2无显著性差异;pH值在7.8~5.8范围内对芍药苷无显著影响,而阿魏酸的吸收量、Ka、A,随着pH值的减小而增加(P0.05);在消化系统中,芍药苷各参数无显著性差异,而阿魏酸在胃中的吸收量、Ka、A显著增大(P0.05);此外,P-gp抑制剂维拉帕米对芍药苷、阿魏酸的吸收有明显促进作用(P0.05),P-gp诱导剂利福平对芍药苷、阿魏酸的吸收有明显的抑制作用(P0.05).芍药苷、阿魏酸在肠道的吸收均呈一级动力学过程,推断为被动扩散;芍药苷无特定的吸收部位,阿魏酸在胃中显显著被吸收;芍药苷、阿魏酸为P-gp底物,可通过与P-gp抑制剂合用提高其生物利用度,而与P-gp诱导剂合用则降低其生物利用度.     

冠状病毒主蛋白酶及其化学抑制剂研究进展

一个新的冠状病毒已经被鉴定为急性呼吸道综合症(SARS)的病原体,控制该病毒复制复合体活性的主蛋白酶(Mpro或3CLpro)将很可能成为开发针对SARS特效治疗药物的靶位点.综述了人冠状病毒株229E(HCoV 229E)和一种在猪体内引发传染性胃肠炎的病毒(TGEV)的Mpro的晶体结构以及以此为基础构建的SARS冠状病毒(SARS-CoV)同源蛋白酶的空间结构模型.通过对这些同源蛋白酶的结构及其与已知的蛋白酶化学抑制剂的结合特征进行分析后发现Mpro的底物结合位点具有惊人的保守性,这种保守性也被重组SARS-CoV Mpro能介导的TGEV Mpro的底物剪切实验所进一步证实.分子模型表明已有的鼻病毒3Cpro抑制剂经过改进后或许能用于SARS的治疗.     

大肠杆菌DXS酶抑制剂的3D-QSAR研究

利用分子对接和叠合构象,在SYBYL软件中运用CoMFA和CoMSIA方法,成功建立了DXS酶抑制剂的3D-QSAR预测模型,其相关参数(CoMFA:q~2=0.617,R~2=0.998,r■=0.640;COMSIA:q~2=0.505,R~2=0.990,r■=0.668,其中q~2为交叉验证系数,R和r_(pred)为检验模型预测能力的相关系数)均证明模型具有较好的预测能力.该模型研究了DXS抑制剂的三维构效关系,其结构方面的信息有助于研发新的DXS抑制剂.     

碳环类神经氨酸酶抑制剂的2D-QSAR研究

对32个碳环类神经氨酸酶抑制剂进行了二维定量构效关系（2D-QSAR）研究，27个作为训练集，5个作为测试集，对计算所得的理化和量化参数进行预选后，采用偏最小二乘法（Partial least squares，PLS）建立预测模型，该模型的非交叉法验证相关系数为R^2=0．9762，交叉法验证相关系数为RCV^2=0．9651；以此预测模型对测试集的5个化合物的活性进行预测，相关系数为Rpred^2=0．8779，表明该模型具有较强的预测能力，可以指导对已有的流感药物进行化学修饰，并能指导新的神经氨酸酶抑制剂的设计及合成．     

SVR—CKNN预测用于HIV-1蛋白酶抑制剂QSAR建模

为提高药物定量构效关系（QSAR）模型预测精度,发展了一种新的QSAR建模方法SVR—CKNN。该法基于支持向量机回归（SVR）自动筛选化合物结构描述符,以k-最近邻建立多个子模型实施组合预测（CKNN）。应用于49种HIV-1蛋白酶抑制剂QSAR研究,留一法预测结果表明SVR—CKNN预测精度明显优于多元线性回归（MLR）、逐步回归（SLR）、偏最小二乘回归（PLS）和神经网络（BP—ANN）等传统模型。SVR—CKNN基于结构风险最小,具非线性、适于小样本、泛化推广能力强、稳定性好、不依赖操作者经验等诸多优点,在药物设计等研究中应用前景广泛。     

基于文化差分进化算法的最小二乘支持向量机及QSAR建模

针对最小二乘支持向量机最佳算法参数难以确定的缺陷,提出了基于文化差分进化算法的最小二乘支持向量机(Cultural Differential evolution Algorithm Least Square Support Vector Machine,CDE-LSSVM)。该算法通过新型的文化差分进化算法优化确定最小二乘支持向量机核宽度参数和惩罚系数,建立具有良好预测性能的模型。同时,针对药物定量构效关系(Quantitative Structure-Activity Relationships,QSAR)模型具有高度非线性、变量之间存在相关性的特征,采用CDE-LSSVM建立HIV-1蛋白酶抑制剂的药物定量构效关系模型。模型具有很好的拟合精度与预测精度,且优于最小二乘支持向量机、BP神经网络和径向基神经网络。     

咪唑类ALK5抑制剂活性的神经网络研究

为建立咪唑类ALK5抑制剂活性的QSAR预测模型,分析了61个咪唑类ALK5抑制剂的分子结构与活性的关系;计算了这些抑制剂分子的分子形状指数、电性拓扑状态指数和电性距离矢量;优化筛选了分子形状指数的K_1和K_3,电性拓扑状态指数的E_(19)、E_(21)和E_(24),电性距离矢量的M_(26)、M_(30)和M_(56),共8个参数.将这8个参数作为人工神经网络的输入神经元变量,活性pIC_(50)作为输出神经元变量,采用8∶4∶1的神经网络结构,获得了令人较为满意的神经网络预测模型,模型的总相关系数r为0.956.pIC_(50)的预测值与实验值较为吻合,平均相对误差仅为0.85%.结果表明,本法建构的神经网络模型具有较强的稳健性和良好的预测能力.研究结果可为合成高活性的抗癌新药提供理论指导.     

启发式方法研究5'-甲硫腺苷核苷酶抑制剂定量构效关系

定量构效关系的研究已成为化学和环境科学研究中的一个前沿领域.对29个甲硫腺苷核苷酶抑制剂的结构进行优化得到描述其分子结构的5类描述符,并选择6个描述符运用启发式方法和RBFNN方法分别建立了描述29个5’-甲硫腺苷核苷酶的结构与其对5’-甲硫腺苷核苷酶的抑制活性之间的线性和非线性QSAR模型.RBFNN模型的训练集、预测集的相关系数(R2)分别为0.9681与0.9126.结果表明,RBFNN模型性能要优于HM模型,具有较好地预测和反映真实情况的能力,这为预测其他类似物的活性和设计新的抑制剂提供了理论依据.     

基于概率神经网络的中草药活性组分利尿性的QSAR研究

利用线性判别分析和概率神经网络,建立了预测中草药有效成分利尿性与其分子结构参数之间的QSAR模型.概率神经网络分类结果好,训练集、交互检验集和测试集的分类正确率均可达到100%.本文所用的概率神经网络结构简单、易于调试,研究工作进一步明确了分子利尿性与其结构参数之间的关系,有助于利尿药物的选择与合成.     

Holographic QSAR of estradiol derivatives

Holographic QSAR model is constructed to predict relative binding affinities of estradiol derivatives with lamb uterine estrogen receptor.The method does not require the generation of three-dimensional structure of the compounds.The factors that influence the quality of QSAR model are discussed.The result indicates that the model has good predictability and yields a high q^2LOO value of 0.897,Compared to other QSAR methods,the HQSAR technique is suitable for use in screening large database of chemicals.     

Back-propagation network improved by conjugate gradient based on genetic algorithm in QSAR study on endocrine disrupting chemicals

Since the complexity and structural diversity of man-made compounds are considered, quantitative structure-activity relationships （QSARs）-based fast screening approaches are urgently needed for the assessment of the potential risk of endocrine disrupting chemicals （EDCs）. The artificial neural networks （ANN） are capable of recognizing highly nonlinear relationships, so it will have a bright application prospect in building high-quality QSAR models. As a popular supervised training algorithm in ANN, back-propagation （BP） converges slowly and immerses in vibration frequently. In this paper, a research strategy that BP neural network was improved by conjugate gradient （CG） algorithm with a variable selection method based on genetic algorithm was applied to investigate the QSAR of EDCs. This resulted in a robust and highly predictive ANN model with R2 of 0.845 for the training set, q^2 pred of 0.81 and root-mean-square error （RMSE） of 0.688 for the test set. The result shows that our method can provide a feasible and practical tool for the rapid screening of the estrogen activity of organic compounds.     

三唑嘧啶磺酰胺类抑制剂的三维构效关系

三唑嘧啶磺酰胺类除草剂是作用于乙酰乳酸合成酶的一类新型除草剂 .本研究利用限制性系统搜索 ,确定了活性构象 ,并用比较分子场方法 ( COMFA)研究了 2 4个化合物的三维定量构效关系 ,建立了具有较强预测能力的 3D- QSAR模型 .研究结果表明 ,影响其药效的主要因素是空间结构 .