DATA类逆转录酶抑制剂的三维定量构效关系

采用对接方法得到HIV-1抑制剂DATA(二芳基三嗪类)分子的活性构象, 进一步用比较分子场分析(CoMFA)和比较分子相似性分析(CoMSIA)法对DATA类逆转录酶抑制剂(RTIs)的三维定量构效关系(3D-QSAR)进行了研究, 建立3D-QSAR模型, 以指导进一步结构修饰. 用此模型预测了5个DATA类似物, 预测偏差较小, 表明了所建立的模型具有较强的预测能力.     

马来酰胺类糖原合成酶激酶-3β抑制剂的分子对接和三维定量构效关系

通过分子对接和三维定量构效关系(3D-QSAR)两种方法来确定两类马来酰胺类的糖原合成酶激酶-3β(GSK-3β)抑制剂的结合方式. 首先, 用分子对接确定抑制剂与GSK-3β结合模式及其相互作用; 然后用比较分子力场分析法(CoMFA)与比较分子相似性指数分析法(CoMSIA)对48个化合物做三维定量构效关系的分析. 两种方法得出的交互验证回归系数分别为0.669(CoMFA)和0.683(CoMSIA), 证明该模型具有很好的统计相关性, 同时也说明该模型具有较高的预测能力.根据该模型提供的信息, 设计出9个预测活性较好的分子.     

新磺酰脲类化合物除草活性的3D-QSAR分析

用比较分子力场分析 (CoMFA) 方法和比较分子相似性指数分析 (CoMSIA) 方法对所合成的新磺酰脲类化合物的除草活性进行了较为系统的3D-QSAR分析.两种方法所建立的模型对化合物的除草活性预测能力均较好,所得三维等值线图为合成高活性的化合物能提供指导作用     

酪氨酸激酶抑制剂的比较分子场分析

采用比较分子场分析(CoMFA)方法研究了一组嘧啶类衍生物酪氨酸激酶抑制剂活性与结构的关系.所得模型不仅能够很好地预报训练集中的化合物的活性,而且还可以准确地预报预报集中的化合物活性.通过分析分子场等值面图在空间的分布,可以观察到叠加分子周围的立体和静电特征对化合物活性的影响.     

N-硝基脲类化合物除草活性的3D-QSAR研究

经活性测试,N-硝基脲类化合物对反枝苋(A. retroflexus L)和苏丹草(S. sudanenses)呈现除草活性。为进一步设计高活性的目标化合物,采用比较分子力场(CoMFA)对38个N-硝基脲类化合物进行三维定量构效关系(3D-QSAR)分析,建立了相关性显著、预测能力强的3D-QSAR模型(反枝苋：q2=0.674, r2=1.000, R2pred=0.9989,苏丹草：q2=0.635, r2=1.000, R2pred=0.9958)。根据CoMFA模型的立体场和静电场三维等势线图,在N’-苯环2, 5位引入体积大的正电荷取代基;3位引入负电荷基团;4, 6位引入体积大的负电荷基团有利于提高目标化合物对双子叶杂草反枝苋的除草活性,而在2位引入体积大的负电荷基团;3位引入体积小的负电荷基团;4位引入体积大的正电荷基团;5位引入体积大的取代基有利于提高目标化合物对单子叶杂草苏丹草的除草活性。     

抗癌性吲哚喹唑啉衍生物的定量构效关系

用量子化学密度泛函理论(DFT)、分子力学(MM＋)及回归分析方法,对一系列抗癌性吲哚喹唑啉衍生物进行了定量构效关系(QSAR)的研究.通过回归分析,筛选了影响抗癌活性的主要因素,建立了定量构效关系方程.结果表明,化合物的最低未占据分子轨道(LUMO)与最高占据分子轨道(HOMO)之间的能量差(ΔεL-H)、分子的疏水性(lgP)以及环D上的总电荷(ΣQD)和环D上R1取代基的第一个原子的净电荷(QFR1)是影响化合物抗癌活性的主要因素.所得模型对化合物抗癌活性有较好的预测效果. 同时, 与ΔεL-H密切相关的LUMO轨道能量及共轭平面面积对药物的DNA-结合及其活性起着十分重要的作用,可通过选取具有较强的拉电子性质同时又能与本系列化合物的骨架形成更大共轭体系的取代基R1,设计抗癌活性较高的化合物.     

二芳基三嗪类化合物抗HIV-1活性的理论研究

应用分子力学方法、从头算法优化了28个二芳基三嗪(DATA)类抗野生型HIV-1化合物分子结构,从分子构象模型中提取了多类参数,结合电子类参数、几何类参数、分子物化参数与活性之间建立了QSAR多元线性回归模型.模型显示:分子中连接三嗪环与B环的X位置上净电荷量的增加以及分子中吸电子基团的引入有利于其抗HIV-1活性的增强,同时,前线轨道能级差ΔE的增大和分子体积适当的增大亦有利于其抗HIV-1活性的提高,并且后两者是影响该类化合物抗HIV-1活性的主要因素.     

螺环吲哚类MDM2抑制剂的分子对接、定量构效关系和分子动力学模拟

采用分子对接、三维定量构效关系(3D-QSAR)和分子动力学方法研究了21个螺环吲哚类化合物与MDM2蛋白的相互作用, 并建立了相关预测模型. 比较分子场分析法(CoMFA)和比较分子相似性指数分析法(CoMSIA)模型的交互验证相关系数q²分别为0.573 和0.651, 非交互验证相关系数r²分别为0.948和0.980. 分子对接得到的结合模式与分子动力学模拟得到的结果一致, 结合模式表明该类螺环吲哚化合物主要通过疏水相互作用和氢键与MDM2结合. 基于上述相互作用模型设计并合成了6个新结构螺环吲哚化合物, 并在MDM2高表达的前列腺癌LNCaP细胞株上测定其活性, 结果表明化合物5, 6的半数抑制浓度均低于1μg·mL^-1, 可作为新的抗肿瘤药物先导化合物进一步深入研究. 本研究对以MDM2为靶点的新结构螺环吲哚类抑制剂的开发提供了理论和实验依据.     

含有噻唑生色团的Y-型有机分子的二阶非线性光学性质

采用密度泛函理论(DFT)B3LYP/6-31G*方法优化了一系列含有噻唑生色团的Y-型有机杂环分子的几何构型, 在此基础上结合有限场(FF)方法和含时密度泛函理论(TD-DFT)对分子的非线性光学(NLO)活性和电子光谱进行计算分析. 结果表明, 这些分子具有A-π-D-π-A(A: 受体, D: 给体)结构, 分子基态偶极矩、极化率和二阶NLO系数(β)随支链共轭桥的增长及生色团共轭效应的增大而增大. 同时, 该系列有机杂环分子的二阶极化率总的有效值(βtot)与其前线分子轨道能级相关, 分子的前线分子轨道能级差越小, βtot值越大.     

取代喹啉类化合物抗菌活性的3D-QSAR研究及分子设计

通过比较分子力场分析方法(Co MFA)研究取代喹啉类化合物对金黄色葡萄球菌抑菌活性(p M)的三维定量结构-活性相关(3D-QSAR)。12个化合物建立了预测模型,7个化合物作为验证集(含模板分子)。训练集的Co MFA模型显示立体场、静电场对生物活性贡献依次为49.8%、50.2%。该模型的交叉验证相关系数R2cv=0.650,非交叉验证相关系数R2=0.918,对测试集中的7个化合物的生物活性进行了预测,显示出较强的稳定性和良好的预测能力。通过分析Co MFA三维等势图发现,在取代喹啉类化合物抑菌机理中,R4取代基的强吸电性起主要作用,其次是其他取代基的疏水性作用。应用上述规律进行分子设计,获得了3个在理论上具有较高抑菌活性的新的取代喹啉衍生物,期待实验的验证。     

楝酰胺(Rocaglamide)类化合物的三维定量构效关系

采用比较分子力场分析(CoMFA)和比较分子相似因子分析(CoMSIA)方法,对训练集中的26个楝酰胺(Rocaglamide)类化合物进行了三维定量构效关系(3D-QSAR)研究,最终建立的CoMFA模型和CoMSlA模型的q<'2>分别为0.593和0.656.并对测试集中的5个化合物的生物活性进行了预测,结果表明...     

Combretastatins类微管蛋白抑制剂的定量构效关系与结合模式

以Combretastatins的B环改造化合物为研究对象, 采用遗传函数分析方法进行了二维定量构效关系研究. 研究结果表明, Apol, PMI-mag, Dipole-mag, Hbond donor和RadOfGyration等描述符对该系列抑制剂活性的贡献最大. 采用比较分子场分析方法(CoMFA)和比较分子相似因子分析方法(CoMSIA)进行了三维定量构效关系研究, 建立的CoMFA和CoMSIA模型的交叉验证相关系数q2分别为0.630和0.634, 具有较强的预测能力. 利用CoMFA和CoMSIA模型的三维等势图解析了Combretastatins类化合物的构效关系, 阐明了B环上各取代基对抑制微管蛋白聚合活性的影响, 同时应用分子对接方法分析并验证了定量构效关系模型.     

苯并呋喃类N-肉豆蔻酰基转移酶抑制剂的三维定量构效关系研究

摘要采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), 系统地研究了40个苯并呋喃类N-肉豆蔻酰基转移酶(NMT)抑制剂的三维定量构效关系. 在CoMFA研究中, 考察了网格点步长对模型统计结果的影响. 在CoMSIA研究中, 研究了各种分子场组合、 网格点步长和衰减因子对模型统计结果的影响, 发现立体场、 静电场、 疏水场和氢键受体场的组合可得到最佳模型. 所建立的CoMFA和CoMSIA模型的交叉相关系数q2值分别为0.759和0.730, 均具有较强的预测能力. 利用CoMFA和CoMSIA模型的三维等值线图直观地解释了化合物的构效关系, 阐明了化合物结构中苯并呋喃环上各位置取代基对抑酶活性的影响, 为进一步结构优化提供了重要依据.     

五元杂环并嘧啶类胸苷酸合成酶抑制剂的构效关系和分子对接

用比较分子场分析法(CoMFA)和比较分子相似性指数分析法(CoMSIA)研究了38个五元杂环并嘧啶衍生物类胸苷酸合成酶抑制剂的三维定量构效关系(3D-QSAR), 建立了相关预测模型. CoMFA和CoMSIA模型的交互验证相关系数q²分别为0.662和0.672、非交互验证相关系数R²分别为0.921和0.884、外部交互验证相关系数Q_ext²分别为0.85和0.81. 分子对接得到的结合模式与三维定量构效关系得到的结果一致. 结果表明这两种模型都具有良好的预测能力, 可应用于指导化合物的设计和结构修饰, 为进一步设计新型胸苷酸合成酶抑制剂提供了理论依据.     

HEPT类逆转录酶抑制剂的三维定量构效关系

利用比较分子力场分析(CoMFA)方法对32个HEPT类HIV-1逆转录酶抑制剂(RTIs)的三维定量构效关系(3D-QSAR)进行了分析,建立了HIV-1逆转录酶抑制剂的3种3D-QSAR模型,发现影响其生物活性的主要因素为立体场因素,这与HIV-1RT的非底物结合部位(NNBS)的疏水性环境相吻合.进一步分析表明,适当长度的1-位侧链对保持化合物的抗病毒活性致关重要;增大5-位取代基的体积可增强生物活性;在1-位苄氧甲基的对位引入大体积基团有利于提高活性.同时考察立体场、静电场与生物活性的关系,表明,CoMFA模型为最佳预测模型,其交叉验证系数R_CV²=0.870,传统相关系数R²=0.986,标准偏差SE=0.146,F=294.546.用此模型预测了检验组3个HEPT类化合物的-lgEC₅₀,R_pred²=0.850,表明模型具有很好的预测能力,可为HEPT类HIV-1逆转录酶抑制剂的结构优化提供理论指导.     

含磷嘧啶类CDK9抑制剂的分子对接、3D-QSAR和分子动力学模拟

选取64个具有潜力的含磷嘧啶类细胞周期依赖性蛋白激酶(CDK9)小分子抑制剂,采用分子对接方法研究了该类小分子与CDK9的结合作用,结果表明,分子构象、氢键形成、疏水性和氨基酸残基Cys106在此类抑制剂与CDK9的结合过程中具有重要作用.在配体叠合的基础上,运用比较分子力场分析(Co MFA)、比较分子相似性指数分析(Co MSIA)和Topomer Co MFA(T-COMFA)研究了分子结构与抑制活性的关系,发现由训练集立体场、静电场和疏水场组合的Co MSIA模型为最优模型,其内部交叉验证相关系数(Q2=0.557)、非交叉验证相关系数(R2=0.959)和外部预测相关系数(r2=0.863)具有统计学意义,该模型的三维等值线图直观显示了化合物的活性与其三维结构的关系.根据这些结果设计了10个具有新结构的含磷嘧啶类化合物,分子对接和分子动力学模拟结果表明,新化合物和CDK9的结合模式与原化合物64相同,自由能分析从理论上证明了新化合物64d的CDK9抑制活性优于化合物64,并且显示含磷基团与残基Asp109的静电场能在化合物与CDK9作用过程中有重要作用.     

CoMFA 3D-QSAR analysis of HIV-1 RT nonnucleoside inhibitors, TIBO derivatives based on docking conformation and alignment

HIV-1 RT is one of the key enzymes in the duplication of HIV-1. Inhibitors of HIV-1 RT are classified as nonnucleoside RT inhibitors (NNRTIs) and nucleoside analogues. NNRTIs bind in a region not associated with the active site of the enzyme. Within the NNRTI category, there is a set of inhibitors commonly referred to as TIBO inhibitors. Fifty TIBO inhibitors were used in the work to build 3-D QSAR models. The two known crystal structures of complexes are used to investigate and validate the docking protocol. The results show that the docking simulations reproduce the crystal complexes very well with RMSDs of approximately 1 A and approximately 0.6 A for 1REV and 1COU, respectively. The alignment of molecules and "active" conformation selection are the key to a successful 3D-QSAR model by CoMFA. The flexible docking (Autodock3) was used on determination of "active" conformation and molecular alignment, and CoMFA and CoMSIA were used to develop 3D-QSAR models of 50 TIBOs in the work. The 3D-QSAR models demonstrate a good ability to predict the activity of studied compounds (r2 = 0.972, 0.944, q2 = 0.704, 0.776). It is shown that the steric and electrostatic properties predicted by CoMFA contours can be related to the binding structure of the complex. The results demonstrate that the combination of ligand-based and receptor-based modeling is a powerful approach to build 3D-QSAR models.