电拓扑状态预测有机磷酸酯类化合物的气相色谱保留指数

以原子类型电拓扑状态指数(ETSI)有效表征35个有机磷酸酯类化合物(OP)的分子结构, 应用基于预测的变量选择与模型化(VSMP)方法建立OP化合物在3种不同固定相上的气相色谱保留指数(RI)与分子结构(ETSI)的定量相关模型. 结果表明, 影响不同固定相上OP色谱保留的主要结构因素都是由7个ETSI描述子对应的子结构碎片, 即: ＝CH₂,≡C—, aaC—, ＝O, —O—, Cl和Br. 其中子结构aaC—, ＝O和—O与OP化合物母体骨架密切相关, 而＝CH₂,≡C—, —Cl和—Br反映支链或取代基的变化. 通过多元线性回归法建立OP化合物在三个固定相上的定量结构-保留相关模型(QSRR)发现, 各QSAR模型的估计相关系数均在0.99以上, LOO检验相关系数在0.98以上, 表明模型具有良好估计能力与稳定性. 应用28个OP训练集样本构建的QSRR模型预测外部7个检验集RI结果表明训练集模型具有良好预测能力.     

氯酚化合物对发光细菌毒性的构效关系研究

本文对20种氯酚化合物进行DFT-B3LYP/6-311G**水平全优化计算,据所得量子化学参数构建其对发光细菌毒性的定量构效关系(QSAR)模型。经逐步多元回归分析后,所建立的QSAR模型的相关系数R及去一法(LOO)交互检验复相关系数R2cv分别为0.962和0.876;用预测集样本进行了外部预测,所得外部预测集交互检验Q2ext为0.961,表明所建立的QSAR模型具有较好的稳定性和较强的预测能力。结果表明:分子的体积愈大,化合物毒性愈强;最负非氢原子净电荷愈负,毒性愈强。对模型应用域(AD)进行了表征,所建立的模型可以应用于应用域内氯酚化合物对发光细菌毒性的预测,具有潜在应用价值。     

烃基酚类化合物对四膜虫毒性的定量结构一活性相关研究

在B3LYP／6—311G＊水平上全优化计算了41个烃基苯酚的量子化学参数,连同取代烃基位置编码参数共同表征有机物的分子结构,应用基于预测的模型变量选择方法（VSMP）选择描述子最佳子集,建立了偶极距（μ）和分子平均极化率（α）与烃基苯酚对梨形四膜虫水生毒性pIGC50两变量线性QSAR模型,模型的相关系数r为0．9434,均方根误差RMSE为0．2548,LOO交叉验证相关系数Q为0．9170,均方根误差RMSV为0．3066;为检验模型的稳定性和预测能力,将41个样本分作了奇数集和偶数集,分别建立了模型,并用Y—Randomization方法对全部样本、奇数集和偶数集所建立的模型进行了检验;建立的奇数集和偶数集模型均满足Tropsha研究小组建议的预测能力标准。     

电拓扑状态预测多氯二苯并噻吩及噻吩砜化合物的气相色谱保留指数

以原子类型电拓扑状态指数(ETSI)有效表征了135 个多氯二苯并噻吩(PCDT)和135 个多氯二苯并噻吩砜(PCDTO₂)的分子结构, 应用基于预测的变量选择与模型化(VSMP)方法建立PCDT 和PCDTO₂ 化合物在DB-5 气相色谱柱上的气相色谱保留指数(RI)与分子结构(ETSI)的定量相关模型, 模型的相关系数r² 分别为0.9939 和0.9729, LOO 交叉验证相关系数 q² 分别为0.9921 和0.9692. 为验证模型稳定性和预测能力, 应用17 个PCDT 和PCDTO₂ 训练集样本构建的QSRR 模型的r² 分别为0.9959 和0.9783, LOO 交叉验证相关系数 q² 分别为0.9921 和0.9740, 说明模型具有良好的稳定性. 以此模型预测外部8 个检验集及110 个预测集的RI 值, 8 个检验集样本的结果表明训练集模型具有良好预测能力.     

烃基酚类化合物对四膜虫毒性的定量结构-活性相关研究

在B3LYP/6-311G*水平上全优化计算了41个烃基苯酚的量子化学参数,连同取代烃基位置编码参数共同表征有机物的分子结构,应用基于预测的模型变量选择方法(VSMP)选择描述子最佳子集,建立了偶极距(μ)和分子平均极化率(α)与烃基苯酚对梨形四膜虫水生毒性pIGC50 两变量线性QSAR模型,模型的相关系数r为0.9434,均方根误差RMSE为0.2548,LOO交叉验证相关系数Q为0.9170,均方根误差RMSV为0.3066;为检验模型的稳定性和预测能力,将41个样本分作了奇数集和偶数集,分别建立了模型,并用y-Randomization方法对全部样本、奇数集和偶数集所建立的模型进行了检验;建立的奇数集和偶数集模型均满足Tropsha研究小组建议的预测能力标准.     

用拓扑指数和神经网络研究有机污染物的生物富集因子

在修正Randic的分子连接性指数和连接矩阵的基础上, 定义新型分子连接性指数(mF), 并计算了239种有机污染物的分子连接性指数(mF). 用其1F构建了239种有机污染物生物富集因子(lgBCF)的QSAR模型, 该模型判定系数(R2)及逐一剔除法(LOO)的交互验证系数(Q2)分别为0.747和0.742. 而用1F和4个电性距离矢量(Mk)构建的五元QSAR模型的R2及Q2分别为0.829和0.819. 结果表明, 从统计学的角度, 该模型具有高度的稳定性及良好预测能力. 从此模型可知, 有机污染物BCF的主要影响因素是—C—, ＞C—, —O—, —S—, —X等分子结构碎片以及分子的柔韧性、折叠程度等空间因素. 将5个结构参数作为人工神经网络的输入层结点, 采用5∶26∶1的网络结构, 利用BP算法, 获得了一个令人满意的QSAR模型, 其R2和标准偏差s分别为0.987和0.157, 表明lgBCF与这5个参数具有良好的非线性关系. 从上可见, 新建的连接性指数1F以及电性距离矢量与有机物的生物富集因子具有良好的相关性, 可望在物质构效关系研究中获得广泛的应用.     

PLS变量筛选法用于有机物透聚乙烯膜性能QSAR研究

随着大量分子描述符应用于QSAR/QSPR,如何筛选出具有良好稳定性和预测能力的描述符集,成为亟待解决的一个瓶颈问题.将63个有机化合物的1664个描述符经过初步预选后,利用偏最小乘(PLS)方法进行变量筛选,获得42个重要描述符;随机选择43个有机物,针对透聚乙烯膜性能进行训练研究,得优良估计能力和良好稳定性模型(A=6,r2=0.9647,RMSE=0.213,q2=0.8364,RMSV=0.467);对模型外部20个有机物进行预测,表明模型具有良好预测能力(rp2=0.9306,RMSP=0.326).PLS变量筛选法可以快速有效地筛选与活性密切相关的重要描述符,进而构建具有良好稳定性和预测能力的QSAR模型.     

基于启发式方法和支持向量机方法预测药物与人血浆蛋白结合率

应用启发式方法和支持向量机方法建立了70种药物与血浆蛋白结合率的定量构效关系模型, 研究了分子结构对药物与血浆蛋白结合率的影响. 两种方法均得到了较好的结果, 交互检验的相关系数平方分别为0.80和0.82; 通过对模型的稳定性和预测能力比较, 支持向量机建立的QSAR模型能够更好地预测药物与血浆蛋白结合率.     

多环芳香硫化合物的定量结构-气相色谱保留指数关系

应用分子电性距离矢量(MEDV)对114个多环芳香硫化合物(PASHs)进行结构表征,通过多元线性回归建立了PASHs的气相色谱保留指数与MEDV参数之间的定量结构-保留值关系模型;同时采用逐步回归分析进行变量筛选,继而以留一法交互检验对所得优化模型进行预测能力评价,所建立的模型的相关系数为0.9947,交互检验相关系数为0.9940,表明该优化模型具有良好的稳定性和预测能力。此外,通过将样本集按2:1分成校准集和测试集预测,统计分析结果显示所建的模型具有良好的相关性和稳定性。本文所建的定量结构-保留值关系(QSRR)模型为预测PASHs的气相色谱保留指数提供了一个便捷有效的新方法。     

苯胺类化合物结构与毒性的密度泛函理论研究

应用密度泛函理论(DFT)在杂化泛函B3LYP和基组6-311G(d,p)水平上对57个标题化合物进行结构优化,计算获得化合物的量化和理化参数,采用最佳变量子集回归构建了化合物对梨形四膜虫的毒性与描述符之间的定量结构-活性关系(QSAR)模型。所建最佳三元QSAR模型的复相关系数R2为0.915,留一法(leave-one-out,LOO)交互检验复相关系数Rcv2为0.891;用随机筛选出的19个预测集样本进行外部预测,所得外部预测集交互检验系数Qext2为0.821,QSAR模型具有较好的稳定性和较强的预测能力。模型结果表明影响毒性的主要因素有化合物最低空轨道能、正辛醇-水分配系数及最负非氢原子净电荷。对模型应用域(AD)进行了表征,所建模型可用于应用域内苯胺类化合物对梨形四膜虫毒性的预测。     

有机污染物的生物富集因子与拓扑指数的数学模型

依据价连接性指数(xi)、电性拓扑态指数(ej)及电性距离矢量(mk)构建239种有机污染物生物富集因子(FBC)的6参数QSFR(定量结构-生物富集因子相关性)模型, 不仅相关程度高, 而且所用自变量数少. 该模型的传统相关系数(R2)为0.821, LOO(levae-one-out)交互验证系数(Q2)为0.809, 证明具有良好的稳健性及预测能力. 根据进入该模型的6个参数可知, 影响有机污染物FBC的主要结构基团是: —C—、>C—、—O—、—X、—NH2以及分子的柔韧性、折叠程度等空间因素. 可以认为在生物富集过程中,“诱导契合机理”也发挥一定作用. 对自变量集进行正交变换, 既不影响模型的相关性, 又能降低其自相关性.     

马来酰亚胺类GSK-3β抑制剂的QSAR研究及分子设计

为了研究马来酰亚胺类化合物抑制活性与分子结构的定量构效关系,在分子理论的基础上计算了67个马来酰亚胺类化合物的电性距离矢量,通过最佳变量子集回归的方法,建立了抑制活性的五元线性回归模型,模型的传统相关系数(R2)和交叉验证相关系数(RCV2)分别为0.864和0.825.该模型经过Jackknife法检验、交叉验证、F检验及外部检验法证明具有良好的稳健性和预测能力.根据进入模型的5个变量分析,影响马来酰亚胺类GSK-3β抑制剂抑制活性的主要结构基团是-NH-,=O(或-OH),≡CH,Cl-及-O-(或-S-).同时基于QSAR模型设计了6个抑制活性显著提高的马来酰亚胺类分子,并预测了它们的抑制活性.     

基于电性距离矢量研究多氯联苯生物降解速率常数

通过多元线性回归和人工神经网络方法建立66种多氯联苯生物降解速率常数(K1)的定量构效关系(QSAR). 基于电性距离矢量(Mk),建立了lnK1的最佳三参数(M91、M25和M15)线性模型,其传统相关系数(R2)、交叉验证系数(Rcv2)分别为0.833、0.809。经R2、Rcv2、VIF、FIT、AIC检验,所建模型具有较强的稳定性和良好的预测能力. 将M91、M25、M15作为人工神经网络的输入层结点,采用3:10:1的网络结构,利用BP算法获得了一个令人满意的lnK1模型,训练集、验证集、测试集和总体的R2依次为0.991、0.995、0.997和 0.993。与多元线性回归模型相比,非线性lnK1-BP模型具有更好的预测能力。这两种回归方法相辅相成,线性回归方法为神经网络模型提供了具体的物理解释,而神经网络方法为线性模型提供了更准确的预测结果。     

应用分子全息QSAR预测多溴二苯醚(PBDEs)的毒性

多溴二苯醚(PBDEs)可能会激活芳香烃受体的信号传导通路, 从而对人类和野生动物的健康产生负面影响. 鉴于多溴二苯醚实验毒性数据有限, 发展基于结构的化合物毒性预测模型具有重要的实际意义. 本文基于一种新的分子结构表征方法—— 分子全息, 研究了18种多溴二苯醚结构与毒性之间的关系, 建立了相关性显著、稳健性强的QSAR模型(r²= 0.991, q²_LOO= 0.917). 随机选出14种多溴二苯醚为训练集, 其他4种化合物为测试集以验证分子全息QSAR模型的稳健性和预测能力. 结果在最佳建模条件下得到模型的统计参数如下：r² = 0.988, q²_LOO = 0.598, r²_pred = 0.955, 预测值与实验值之间的均方根误差(RMSE)为0.155. 这表明基于分子全息的QSAR模型可以对多溴二苯醚毒性进行比较准确的预测. 本文同时利用分子全息QSAR模型色码图, 探讨了影响多溴二苯醚毒性的分子结构特征及分子机理.     

三嗪噁二唑基吡唑衍生物抑酶活性的QSAR模型

基于拓扑化学理论,原子类型电拓扑态指数(Mk)被用于表征18种三嗪噁二唑基吡唑衍生物的化学微环境。采用最佳变量子集回归方法,分别建立上述化合物对蛋白酪氨酸磷酸酯酶1B(PTP1B)、细胞分裂周期25磷酸酯酶B(Cdc25B)的抑酶活性(P_t、C_d)与Mk的定量构效关系(QSAR)模型。它们的最佳三元QSAR模型的判定系数(R~2)依次为0.896、0.828,逐一剔除法交叉验证相关系数(R_(cv)~2)依次为0.830、0.688。经R_(cv)~2、VIF、FT、AC等检验,该模型具有良好的稳健性及预测能力。经训练集验证,上述模型均具有良好的外部预测能力。模型显示,影响Pt、Cd的因素既有不同的结构基团(-CH_3、-O-、-NH_2和芳环中-N=),也有相同的因素(芳环中-C=)。     

抗癌性喹唑啉类二氢叶酸还原酶抑制剂三维定量构效关系

在对一系列抗癌性7,8-二烃基-1,3-二氨基吡咯-[3,2-f]喹唑啉类二氢叶酸还原酶抑制剂的二维定量构效关系（2D—QSAa）研究基础上,应用比较分子场分析法对该类配合物进行了三维定量构效关系（3D—QSAR）研究．建立了具有良好的统计学性能及预报能力的3D．QSAR模型,非交叉验证相关系数为0．993,交叉验证相关系数为0．619,估算的标准误差0．208,统计方差比193．4．该模型表明立体场因素的影响比静电场因素大很多,此结果与我们已经报道的2D—QSAR模型结果相一致．然而,3D—QSAR模型提供了可视化的立体场、静电场因素对活性的影响．3D—QSAR研究对实验上提出的二氢叶酸还原酶与药物分子的疏水键合作用机理得到了进一步的理论解释．     

基于分子对接、分子动力学模拟的新型酰胺-膦酸酯类hsEH抑制剂的QSAR研究

结合定量结构-活性相关(QSAR)技术和分子对接、分子动力学(MD)模拟,研究了新型酰胺-膦酸酯类衍生物与可溶性环氧化物水解酶(hsEH)结合的相互作用特征.二维QSAR模型表现出较好的拟合能力和预测能力(r~2=0.942,q2=0.918),并且模型表明酰胺-膦酸酯类衍生物中C—N键的频数对hsEH活性抑制能力具有重要影响.采用比较分子力场分析方法(CoMFA)和比较分子相似性指数分析方法(CoMSIA)建立了相关性显著、预测能力强的三维QSAR定量模型(CoMFA:r~2=0.986,q2=0.619;CoMSIA:r~2=0.912,q2=0.630),模型指出疏水作用力、静电作用力和氢键作用力对hsEH活性抑制能力有重要的影响.二维QSAR模型的预测结果更为准确,三维QSAR模型更为直观地表现了由于分子结构差异导致不同的力场效应对预测结果的影响.分子对接结果指出了分子内酰胺基团、膦酸酯基团、以及—NH—分子结构能与氨基酸残基HIS524,ASP335,TYR383,TYR466,GLN384和Trp525形成稳定氢键来增加结合的稳定性,并且小分子受到氢键作用力的同时还受到结合位点疏水残基的强疏水作用力和芳香性π环之间相互吸引的π-π堆积的非共价键作用.分子动力学模拟通过残基结合后的柔性差异变化验证了结合位点分子对接结果的可靠性,结合自由能也为对接作用机制的合理性提供了验证.     

应用分子电距矢量对地笋中挥发油化学成分色谱保留值分析

采用分子电性距离矢量(MEDV)表征地笋中挥发油化学成分的分子结构,并对其气相色谱保留时间进行了系统的定量结构-色谱保留关系(QSRR)研究。在变量筛选的基础上建立了多个挥发油化学成分QSRR模型,相关系数均在0.90以上。通过严格的统计检验表明所建模型具有良好的稳定性与预测能力。     

α1A-亚型肾上腺素受体拮抗剂3D药效团模型的研究

运用Catalyst软件以34个α_1A-AR拮抗剂分子为训练集, 构建了包含一个氢键受体、一个正电中心和一个芳环中心的三元素药效团模型, 线性回归相关系数为0.89. 经13个分子组成的测试集验证该药效团模型具有较好的活性预测能力, 为寻找新的α_1A-AR拮抗剂分子提供了理论基础.     

三维全息原子场作用矢量(3D-HoVAIF)用于神经氨酸酶抑制剂的结构表征与设计及定量构效关系(QSAR)研究

对100个神经氨酸酶抑制剂抗禽流感药物结构并与其活性建立定量构效关系模型。采用本实验室提出的三维全息原子场作用矢量(3D-HoVAIF)对100个神经氨酸酶抑制剂进行结构表征,然后采用逐步回归对变量进行筛选后,运用偏最小二乘建立3D-HoVAIF描述子与神经氨酸酶抑制剂活性之间的QSAR模型。结果表明:复相关系数(R),交互校验的复相关系数(Q2)和模型的标准偏差(SD)分别为R2=0.805、Q2=0.657和SD=0.936,模型具有良好的稳定性和预测能力,并对文献中23个药物和设计的32个化合物进行了预测。表明三维全息原子场作用矢量能较好表征该类分子结构信息值得进一步推广应用。