哒嗪酮类(1,3)-β-D-葡聚糖合成酶抑制剂的三维定量构效关系研究

为了探讨哒嗪酮类(1,3)-β-D-葡聚糖合成酶抑制剂的结构与其药理活性的相互关系,本次研究拟对20个哒嗪酮类化合物分别利用比较分子力场分析法(CoMFA)和比较分子相似性指数分析法(CoMSIA)进行三维定量构效关系(3D-QSAR)的研究,并各自建立起相应的模型.通过对计算结果进行分析发现:利用CoMFA建立起来的模型相关系数r~2=0.999,交叉验证系数q~2=0.585;而CoMSIA模型的相关系数r~2=0.987,交叉验证系数q~2=0.534,均满足标准模型的需要.而将这2种方法建立起来的3D-QSAR模型用于哒嗪酮类化合物的抗真菌活性的预测,也均表现出良好的效果.并且从等值面图的分析可以看出,在哒嗪酮类(1,3)-β-D-葡聚糖合成酶抑制剂的结构上适当引入一些疏水基团和氢键受体可以增强该类化合物的抗真菌活性.     

蝶啶类PI3Kγ抑制剂的3D-QSAR研究

研究蝶啶类化合物对PI3Kγ抑制作用的三维定量构效关系。采用CoMFA(比较分子场)方法进行研究,建立CoMFA模型。交叉验证系数q2=0.727,相关系数r2=0.986,F=89.685,标准偏差SD=0.22。结论:蝶啶类PI3Kγ抑制剂CoMFA模型具有较好的预测能力;本实验研究的三维定量构效关系,对此类抑制剂的研制和开发起到重要作用。     

抗癌性AHMA衍生物三维定量构效关系研究

应用比较分子场分析法(CoMFA)对一系列抗癌性AHMA类衍生物进行了三维定量构效关系(3D-QSAR)研究,建立了交叉验证的CoMFA模型。所建最佳模型的交叉验证相关系数q2为0.702,非交叉验证相关系数r2为0.993,估算的标准误差S=0.085,统计方差比F(4,25)=448.5,用该模型对测试集化合物进行了预测,预测结果与实验值非常接近,表明模型具有很好的预测能力。论文对该系列抗癌化合物的三维定量构效关系进行了深入讨论,结果进一步表明,在R取代基第一个原子上引入拉电子基团或原子,同时选择给电子的R1基团及较大体积的取代基R2,能有效地改善这类化合物的抗癌活性。     

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.     

三芳基吡啶酮类新型冠状病毒3CL蛋白酶抑制剂构效关系研究及分子设计

3CL蛋白酶在冠状病毒复制过程中起着极为关键的作用,是重要的药物靶标.采用分子对接的方法产生了38个三芳基吡啶酮类化合物的活性构象.并以此为基础,应用比较分子力场分析(CoMFA)方法对其三维定量构效关系进行了研究：以30个化合物构成的训练集所建立的CoMFA模型,其交叉验证系数q~2为0.810,非交叉验证相关系数r~2为0.981,标准偏差SEE为0.099.对由8个化合物构成的测试集进行了预测,其预测相关系数r~2_pred为0.855,表明所建模型具有良好的拟合能力及预测能力.基于CoMFA等势面图,探讨了此类化合物立体场与静电场的有利结构特征,并以此为理论指导设计了一组具有良好预测活性的三芳基吡啶酮类3CL蛋白酶抑制剂,为此类化合物的进一步优化提供了理论指导.     

吲哚-2-酮类化合物作为PDGF-Rβ酶抑制剂的3D-QSAR研究

用比较分子场分析法(CoMFA)研究了一系列取代的吲哚．2．酮类化合物作为生长因子受体抑制剂对酪氨酸激酶PDGF-Rβ活性抑制作用的定量构效关系，建立了较好的预测模型，该模型非交叉验证的相关系数(R^2)为0．999，F值是1504．715，标准偏差(S)为0．042．根据该模型，设计并预测了数个新的化合物，表明该模型可定量地预测结构相近的类似物活性，为设计合成新的PDGF-Rβ酶抑制剂提供了理论依据．     

用比较分子力场和比较分子相似性指数分析方法对氮蒽类化合物抗癌活性的三维定量构效关系研究

用比较分子力场(CoMFA)和比较分子相似性指数分析方法(CoMSIA)对一系列与DNA结合的氮蒽类化合物的潜在抗癌活性进行了3D定量构效关系的研究,对模型中的一些参数进行了优化以期得到最好的三维定量构效关系模型,优化结果显示用CoMSIA构建的模型优于用CoMFA构建的模型.通过CoMSIA分析,用训练集所建立的模型有较好的统计性(20个化合物,q2=0.666,r2=0.916),测试集化合物的预测活性与实验值有很好的一致性.本文还给出了主要分子力场的等势线图.     

培氟沙星均三唑硫醚类化合物抗增殖活性的3D-QSAR研究与分子设计

基于比较分子力场分析(CoMFA)方法建立24种培氟沙星均三唑硫醚衍生物对人白血病细胞(HL60)抗增殖活性(p M)的三维定量构效关系(3D-QSAR).训练集中20个化合物用于建立预测模型,测试集10个化合物(含模板分子22及新设计的5个分子)作为模型验证.已建立的3D-QSAR模型的交叉验证系数(Rcv2)、非交叉验证系数(R2)分别为0.436、0.903,说明所建模型具有较强的稳定性和良好的预测能力.该模型中立体场、静电场贡献率依次为71.8%、28.2%,表明影响抗增殖活性(p M)的主要因素是在苯环的3,4-位上引入小体积的负电性基团.基于三维等势图,设计了5个具有较高抗增殖活性的分子,有待医学实验验证.     

水杨酸类酪氨酸蛋白磷酸酯酶1B抑制剂的分子对接和三维定量构效关系研究

应用Surflex-dock对21个水杨酸类酪氨酸蛋白磷酸酯酶1B抑制剂进行分子对接分析,结果显示水杨酸结构的头部深入活性口袋内部,其氢键决定其与酶结合的稳定性,尾部结构及氢键决定其抑制活性.据此,利用Topomer CoMFA建模时将头尾结构切开分析,从21个化合物中随机选取17个化合物作为训练集,建立3D-QSAR模型,并用包括4个化合物的测试集验证模型的外部预测能力,结果显示模型具有良好的预测能力,预测活性与实测活性的差值均小于0.12μmol/L,该模型可以用于辅助设计同类型新化合物并进行其活性预测.     

烟碱型乙酰胆碱受体激动剂的3D-QSAR研究

对34个烟碱型乙酰胆碱受体激动剂采用比较分子场分析法(CoMFA)进行了结构与活性的关系研究,构建了CoMFA模型,该模型交叉验证相关系数为0.540,非交叉验证相关系数为0.952,证明该模型有较好的拟合能力和预报能力.通过等势图直观地给出了分子周围立体场(38.4 %)和静电场(61.6 %)对化合物活性的影响,为设计高活性的杀虫剂提供了理论依据.     

6-氮杂甾醇类Ⅱ型5-α还原酶抑制剂的三维定量构效关系研究和虚拟筛选

采用Topomer CoMFA对37个6-氮杂甾醇类抑制剂进行三维定量构效关系分析,新建模型的交互验证和拟合相关系数为q2=0.774,r2=0.965,结果表明模型具有良好的可信度和预测能力.将基于配体的Topomer search虚拟筛选、基于受体的分子对接虚拟筛选和基于3D-QSAR模型的分子活性预测等方法运用到新抑制剂的分级筛选,最终获得4个高活性的新抑制剂分子.新抑制剂的Surflex-dock结果显示6-氮杂甾醇类抑制剂与5AR-Ⅱ靶点的作用模式主要是氢键作用.MTT法生物学活性测试结果显示新抑制剂能显著抑制BPH-1细胞增殖,且抑制程度呈浓度依赖性.通过分子对接机理解释和细胞学实验的抑制前列腺增生活性测试,这两种研究方式相互验证,证明此虚拟筛选方法能够为治疗良性前列腺增生的新药设计提供有效候选化合物.     

贝叶斯规整化神经网络模型预测化合物分子的血脑屏障通透性

通过分子结构预测血脑屏障通透性是一个颇具挑战性的课题.建立了一个预测化合物分子的血脑屏障分配系数(logBB)的QSAR模型.该模型由表示分子大小、拓扑性质和脂水分配性质的QSAR参数组成.模型被用来预测52个化合物的血脑屏障分配系数,并通过测试集(从52个化合物种选取10个)进行验证,预测值-实验值的相关系数平方(R2)为0.974,均方差(MsE)为0.017 2.验证结果显示该模型大大优于传统使用的多元线性回归模型.因此,该模型可以用于预测药物分子和类似药物分子的血脑屏障通透性.     

三环类环氧合酶抑制剂的三维定量构效关系研究

对30个三环类选择性环氧合酶(COX-2)抑制剂的结构,先后用MMFF94分子力学方法进行结构初步优化以及用PM5半经验量子化学方法作全优化,荷载MOPAC电荷,并以该类化合物共同的三环结构为中心进行分子叠合。利用比较分子力场分析方法(CoMFA)和自组织分子力场分析方法(SOMFA)分别建立了该类化合物的三维定量构效关系。结果表明这2种分子力场分析方法建立的模型都可以解释已有的构效关系,并对同类化合物的预测能力较好,特别是比较分子力场分析方法(CoMFA)。     

苯并咪唑-5-羧酸酰胺HCV NS5B聚合酶抑制剂的分子全息QSAR研究及设计

采用分子全息定量构效关系(HQSAR)方法,研究54个苯并咪唑-5-羧酸酰胺类HCV NS5B聚合酶抑制剂的结构与活性之间的关系.讨论了分子碎片大小、碎片区分参数以及分子全息长度对模型的影响.以39个化合物构成的训练集所建最优模型的交叉验证相关系数q2为0.779,非交叉验证相关系数r2为0.922,标准偏差SEE为0.251.同时,利用HQSAR模型的色码图探讨了对该类抑制剂的活性起重要作用的结构片段,并根据HQSAR最佳模型图设计了17个新型2-硫乙酰芳胺-苯并咪唑-5-羧酸酰胺类衍生物,经HQSAR模型预测,这些分子理论上对HCV NS5B聚合酶均具有良好的抑制活性.     

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．     

(E)-4-取代酰氧基-3-甲氧基苯乙烯侧链类衍生物的比较分子力场(CoMFA)研究

 利用比较分子力场方法,建立5-脂氧合酶/环氧合酶抑制剂的三维定量构效关系,为设计新的更有效的酶抑制剂提供理论依据.在CoMFA分析中,交叉验证回归系数R²_CV、非交叉验证回归系数r²和标准偏差(SEE)分别为0.639,0.744,0.148.说明系列化合物分子周围立体场和静电场的分布与抗炎活性间有良好的相关性.利用该模型对自行合成的24个化合物进行活性预测,结果与实测值相符.所得模型支持了假设的抑制剂作用机理和作用模型.所得CoMFA模型具有一定的预测能力,可用来指导设计新的5-脂氧合酶/环氧合酶抑制剂.     

1,5-二芳基吡唑类环氧合酶-1选择性抑制剂的CoMFA研究

 目的:应用比较分子力场法(CoMFA)研究一系列1,5-二芳基吡唑类对环氧合酶-1选择性抑制剂三维定量构效关系,为进一步药物设计提供理论依据.方法和结果:在研究的14个化合物中,用比较分子力场法得到1个CoMFA模型,交叉验证系数q²为0.818,具有较高的预测能力及合理性,非交叉验证模型相关系数r²为0.958,标准偏差为0.077,F为79.834;并依据模型设计,预测了几个具有较高活性的化合物.结论:此模型对设计和预测高活性的1,5-二芳基吡唑类环氧合酶-1选择性抑制剂有一定可靠性.     

地棘蛙素类似物的CoMFA和CoMSIA的3D-QSAR研究

采用比较分子力场 (CoMFA)分析法和比较分子相似性指标场(CoMSIA)分析法,进行偏最小二乘法(PLS)分析,建立了地棘蛙素类化合物的三维构效模型.通过验证,说明该系列化合物分子立体场、静电场、氢键场和疏水场的分布与生物活性之间有良好的相关性.用模型预测同系列测试集分子,结果与实验值偏差较小.预测结果表明,该力场模型有一定的预测能力.并得出了新的药效团定义模型,可用来指导设计新的地棘蛙素类化合物烟碱型乙酰胆碱配体.     

α,β-不饱和酰胺TRPV1抑制剂的Topomer CoMFA模型

利用SYBYL软件中的Topomer CoMFA方法分析了α,β-不饱和酰胺类TRPV1抑制剂的三维定量构效关系(3D-QSAR)模型.分子被分开为羰基和氨基两个基团,在Topomer CoMFA模型考察了立体场和静电场对抑制活性的影响.结果显示:去一交叉验证的相关系数q2为0.702,模型的预测相关系数r2为0.881.说明所建立的模型在统计上有较好的稳定性和预测能力,有助于TRPV1抑制剂的研发.     

用近红外光谱法实时监测蛹虫草发酵中胞内多糖的质量浓度

应用近红外光谱(NIR)结合偏最小二乘法(PLS)建立一种实时监测蛹虫草发酵中胞内多糖质量浓度的新方法.对39个批次的蛹虫草在3个不同条件的5L发酵罐中进行蛹虫草深层发酵,发酵过程中间隔一定时间取样,采集样品的近红外光谱,并按常规方法测定样品中胞内多糖质量浓度,再采用PLS法建立样品的近红外光谱与胞内多糖质量浓度间的模型,所建模型经过选择最适光谱预处理方法和最适隐变量数进行优化,其留一交互验证预测值与化学测定参考值间的相关系数R=0.8750,交互验证均方根误差RMSECV=0.3052.采用最优PLS模型对样品中胞内多糖质量浓度进行预测,校正集预测均方根误差RMSEC=0.1670,预测集预测均方根误差RMSEP=0.3650,表明模型的稳健性和预测性能较好。