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.     

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MurD抑制剂的分子对接与3D-QSAR研究

UDP-N-乙酰胞壁酰-L-丙氨酸-D-谷氨酸连接酶(MurD)在细胞质中催化D-谷氨酸(D-Glu)和UDP-N-乙酰胞壁酰-L-丙氨酸(UDP-MurNAc-L-Ala)之间的酰胺键形成UDP-N-乙酰胞壁酰-L-丙氨酸-D-谷氨酸(UDP-MurNAc-L-Ala-DGlu).由于MurD对D型氨基酸表现出非常高的特异性,使得它被认为是发现选择性抗菌剂的新靶标之一.通过利用从相关文献中获取的31个大肠杆菌MurD抑制剂建立3D-QSAR预测模型.以分子对接获得的打分较高的活性构象为模版,对选择的分子进行叠合,从中随机选择26个化合物作为训练集建立比较分子场分析(CoMFA)模型,该模型的去一交叉验证(LOO)相关系数q~2=0.515(CoMFA).剩余的5个化合物组成测试集以验证模型的预测性能,相应的相关系数R2press=0.701 8(CoMFA).结果表明建立的CoMFA模型具有较好的预测能力,研究结果将为今后的MurD抑制剂设计和开发提供参考信息.     

N-(3-苯丙基)哌嗪类σ1受体配体的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数(CoMSIA)分析法,对34个N-(3-苯丙基)哌嗪类σ1受体配体进行三维定量构效关系(3D-QSAR)研究,建立了具有较强预测能力的 3D-QSAR 模型.并利用Gaussian 03程序,采用B3LYP/6-31G(d)方法,探索了化合物分子的前线轨道与分子结构的关系.新设计的化合物的体外受体结合分析结果与该模型预测的数据一致,此结果为进一步研究σ1受体-配体的相互作用模型以及设计高亲和力的哌嗪类σ1受体配体提供了参考.     

环己烯类神经氨酸酶抑制剂的三维定量构效关系研究

环己烯类神经氨酸酶抑制剂是目前效果最好的流感病毒抑制剂.选取26个典型的环己烯类神经氨酸酶抑制剂,应用比较分子力场分析(CoMFA)方法,研究它们与神经氨酸酶(NA)的相互作用,建立了环己烯类NA抑制剂与NA的三维定量构效关系(3D-QSAR)模型.该模型的最佳非交叉验证系数R2为0.991,交叉验证系数R2cv为0.760,检测值F为521.53,标准偏差SEE为0.098,立体场、静电场的贡献分别为74.6%、25.4%,最佳主成分为4,这表明模型具有很强的稳定性和预测能力.用该模型对随机挑选的3个化合物进行预测,得到了满意的结果.     

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.     

6-(1-萘甲基)取代S-DABO类逆转录酶抑制剂的3D-QSAR研究

以活性化合物15为例,采用分子对接的方法模拟了化合物与HIV-1逆转录酶的作用,从而探讨了系列6-萘甲基取代S-DABO类化合物的作用机制.并基于分子对接后的活性构象,应用比较分子力场分析(CoMFA)和比较分子相似因子分析(CoMSIA)法对该类化合物的三维定量构效关系进行了研究,建立了有较好预测能力3D-QSAR模型,为该类化合物进一步的结构优化提供理论指导.     

卤代苯甲醚蒸汽压的定量结构-性质关系研究

采用密度泛函理论(DFT)方法,在B3LYP/6-31G*水平对134个卤代苯甲醚化合物的分子几何结构进行了全优化计算.基于计算得到的分子结构参数,运用多元逐步回归技术建立了卤代苯甲醚化合物蒸汽压的定量结构-性质关系模型,其相关系数为0.968,标准误差为0.258.采用留一的交叉验证和外部验证法对模型进行了验证.结果表明,所建立模型具有较好的预测能力和稳定性.经比较,所建立模型的预测能力优于采用Hartree-Fock(HF)法所得模型.     

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.     

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.     

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.     

咪唑类ALK5抑制剂的3D-QSAR及分子对接研究

TGF-β信号的异常与肿瘤、肾脏和肝脏纤维化等疾病密切相关,其传导通路中的TypeⅠ受体(ALK5)是针对相关疾病的重要作用靶标蛋白.以候选药物EW7197作为模板分子,构建比较分子场分析(CoMFA)模型和比较分子相似性指数分析(CoMSIA)模型,对61个咪唑类ALK5抑制剂的结构与其活性的相互关系进行分析,得到2个最佳模型的交叉验证系数q~2分别为0.716、0.704,相关系数r~2分别为0.905、0.976;综合2个模型的势能图发现,氢键受体场和疏水场对抑制剂的活性影响最大.应用分子对接探讨了蛋白靶标和抑制剂之间的结合模式以及重要的相互作用.综合3D-QSAR分析和分子对接结果,希望为设计新型高效、低毒的ALK5抑制剂提供科学依据.     

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.     

一类新型6-烷氨基-2-烷硫基嘌呤核苷衍生物抗血小板凝集的3D-QSAR研究

通过自组织分子场分析（SOMFA）方法,对20个具有测试活性的2-烷硫基-6-烷氨基嘌呤核苷衍生物进行三维定量构效关系（3D-QSAR）研究,得到预测能力最佳的SOMFA模型,其中交叉验证系数r_cv²=0.801,非交叉验证系数r²=0.807,统计方差比F=75.281,标准方差s=0.130。同时,通过对该模型的立体场和静电场三维网格图进行分析,能够较清晰直观地为设计新型的高活性抗血小板药物分子提供理论指导。     

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.     

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．     

新烟碱型乙酰胆碱受体吡啶基醚类配体的3维定量构效关系

采用比较分子力场分析方法，对一系列与烟碱型乙酰胆碱受体作用的吡啶基醚类配体进行构效关系分析，建立了这类化合物的3维构效模型．其交叉验证回归系数Rcv^2、非交叉验证回归系数Rncv^2和标准偏差s分别为0．744，0．973和0．256．结论说明该系列化合物的分子立体场和静电场的分布与生物活性之间有良好的相关性．该模型对训练集分子的活性预测结果较好，表明该力场模型有一定的预测能力，可用来指导设计新的烟碱型乙酰胆碱受体配体．     

一类新型罗非昔布开环衍生物抗炎构效关系

用PM3半经验量化方法优化了一类新型罗非昔布(RC)开环衍生物与RC的几何构型;对其中11个化合物搜寻和计算了它们的结构参数,采用多元逐步回归分析方法,建立了经典结构活性关系(2D-QSAR);并用SOM-FA2软件分析了全部化合物的3D-QSAR关系。结构优化表明活性RC开环衍生物具有类似RC的立体结构,构效关系研究也表明该类新型RC开环衍生物具有其它环氧合酶选择性抑制剂相似的构效关系。     

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．     

新型Atorvastatin类HMGR抑制剂的3D-QSAR和分子对接

羟甲基戊二酰辅酶A还原酶(HMGR)是内源性胆固醇合成的重要催化限速酶,通过抑制HMGR的活性可以降低内源性胆固醇的合成.HMGR抑制剂(他汀类)是治疗心血管疾病的最佳药物之一.运用计算机辅助药物设计(CADD)方法,综合三维定量构效关系(3D-QSAR)和分子对接分析研究已合成的HMGR抑制剂的结构与抑制活性之间的关系.根据最优3D-QSAR模型,再结合分子对接分析,设计出新型活性高的HMGR抑制剂分子.