4-取代喹啉衍生物抗菌活性的定量构效关系研究与分子设计

为了研究4-取代喹啉衍生物对大肠肝菌的抗菌活性(I.I.)的定量构效关系,基于拓扑理论,计算了36种上述化合物的分子电性距离矢量(Mi).通过最佳变量子集回归的方法建立了其中33种化合物对大肠肝菌抗菌活性的三元(M_(59),M_(67),M_7)QSAR模型,该模型的相关系数(R)、判断系数(R~2)及逐一剔除法交叉验证系数(RCV2)分别为0.904,0.817和0.761.模型通过不同的方法检验具有良好的稳健性及预测能力.根据进入模型的3个变量可知,影响4-取代喹啉衍生物对大肠肝菌的抗菌活性(I.I.)的主要结构片段是—NH—(或—NH=),=O,N,—O—(或—S—)和CH_3—.由该结论设计出4种新化合物,抗菌活性均超过73.04%,有待以后生物实验予以验证.     

酯类化合物相对保留时间的分子拓扑研究

在分子图的距离矩阵基础上,构建了酯类化合物的调和拓扑指数H和指示指数I.H、I和极性指数P与酯类化合物的相对保留时间tb显著相关,相关系数大于0.999,计算值与实验值很好吻合,平均误差仅为0.017.所建模型较好地揭示了酯类化合物相对保留时间的变化规律.     

TIBO类衍生物抗HIV-1活性的QSAR研究

在分子图邻接矩阵的基础上,定义并计算了TIBO类衍生物原子的点价值iδ,利用图论方法建构了新的分子连接性指数mE,基于多元回归技术发展了对TIBO类衍生物药物的活性参数作出精确估算的定量结构-活性相关关系,得到的多元回归方程为:P=-274.563 80E-1 65.530 61E-1-149.681 6Jx-'1 26.084 7计算结果表明,抗H IV-1活性参数的计算值和实验值的一致性令人满意。     

烷烃、醇、醚的定量结构与保留相关性(QSRR)研究

在邻接矩阵的基础上 ,建立一种新的连接性指数 mL =∑(δi·δj·δk·… ) 0 .5,其中 :0 L =∑(δi) 0 .5,1L =∑(δi·δj) 0 .5,并计算了 146个有机分子的0 L、1L值 .发现 mL不仅对这些化合物具有良好的结构选择性 ,而且与其气相色谱保留指数RI具有很好的相关性 .     

修正的基团染色指数用于酮和醚类化合物折射率的拓扑研究

为了建构分子连接性回归模型,研究了酮和醚类化合物结构与折射率的关系.在分子拓扑理论的基础上,提出了一个修正的基团染色指数mL,运用定量结构-性质相关技术研究了57种酮类和醚类化合物分子的折射率与分子结构间的定量关系;通过多元回归的方法建立了mL与折射率的定量结构-性质相关模型.对酮类和醚类化合物折射率的计算结果表明,计算值与实验值的一致性令人满意,平均相对误差为0.45%和0.69%.用所建模型分别预测了4个酮分子和5个醚分子的折射率,平均相对误差分别为0.28%和0.97%,因此,模型具有很好的稳定性和预测功能.     

改进的连接性指数用于链烷烃热力学性质与沸点研究

基于邻接矩阵和碳原子特征值 ti 建立新的连接性指数 m Q,其中 0 Q对链烷烃异构体具有很强的区分能力 .0 Q,N (烷烃中碳原子数 )与 85种链烷烃的标准生成焓、标准熵、标准生成自由能和沸点关联 ,相关系数多在 0 .998以上 ,属于良好模型 .与 Randic的 1χ比较 ,0 Q具有良好的结构选择性和性质相关性     

改进的分子连接性和拓扑指数方法预测硫醚的气相色谱保留指数

在分子拓扑理论基础上，定义原子结构参数αi和βi，由αi建构连接性指数^mL，由βi建构拓扑指数B。研究硫醚在不同极性固定相上的气相色谱保留指数与结构的相关性，建立相应的定量模型，预测了硫醚在4种极性固定相上的气相色谱保留指数，各样本总体所建模型的相关系数均在0．97以上。对硫醚保留指数的计算结果表明，计算值与实验值较为吻合。该法还具有计算简单，物理意义明确等优点．     

多氯代二苯并呋喃Ah受体结合能力的QSAR研究

基于化学拓扑理论,计算了26种多氯代二苯并呋喃(PCDFs)的分子连接性指数mXvt、电拓扑状态指数En,用多元回归研究了这些化合物的Ah受体结合能力与其中5Xvp、4Xvpc、E9的定量关系.经逐步回归分析,建立了最佳的定量结构-生物活性相关(QSAR)模型,相关系数优于文献.用Jackknife法和LOO交互检验证明模型具有良好的稳健性与预测能力,其计算值与实验值基本吻合.     

修正的基团染色指数用于酮、醚和酯类化合物沸点的拓扑研究

在分子拓扑理论的基础上,提出了一个修正的基团染色指数^mL,运用定量结构-性质相关技术研究了91种酮类、醚类和酯类化合物分子的沸点与分子结构问的定量关系．通过多元回归的方法建立了^mL与沸点的定量结构-性质相关模型,估算值与实验值较为吻合．利用模型对另外一些分子的沸点进行预测,较为有效.     

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.