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。     

支持向量机和线性判别分析用于禽流感病毒编码蛋白识别

以支持向量机(SVM)和线性判别分析(LDA)对200条禽流感病毒、100条B型流感和100条C型流感病毒蛋白共400条为训练集样本,从表征序列的200个整体与局部变量中以逐步(stepwise)方法选取24个变量作为LDA模型的输入建立线性识别模型,病毒蛋白总识别率达99.8%,留一法交互检验总识别率为99.4%.从原始200变量中经主成分分析得16个主成分作为SVM的输入,以径向基核函数(RBF)SVM建立非线性识别模型,病毒蛋白总识别率为99.8%,留一法交互检验总识别率为99.2%.以100条禽流感、50条B型流感和50条C型流感病毒编码蛋白质共200条为测试集样本,得LDA模型,对其总识别正确率为95.4%,SVM模型对其总识别正确率为96.5%.识别结果表明,两个模型都可较好识别禽流感病毒蛋白,并且SVM对禽流感病毒蛋白的识别结果优于LDA.     

氨基酸广义信息因子分析标度组合支持向量机模型用于β-turns预测及特征分析

提出一种新的组合方法用于β-turns预测和特征分析.该方法包括两步:如何表征β-turns特征和如何构建其预测模型.第一步应用氨基酸广义信息因子分析标度表征蛋白质中β-turns的结构特征,该标度涉及氨基酸的疏水性、α-螺旋与转角倾向、体积性质、构成特征、局部柔性及静电性.第二步以426个蛋白质为训练集样本,通过留1/7法交互验证,基于支持向量机建立β-turns预测模型.该模型分别成功地预测547和823个蛋白的β-turns.所得结果与所对比方法结果相当,更重要的是,SVM模型提供了一些关于β-turns特征的重要结构信息.该组合方法可以进一步尝试用于蛋白质结构预测及特征分析.     

类黄酮抑制P糖蛋白的三维定量构效关系与作用模式

采用基于R基团搜索技术的Topomer CoMFA建立了30个类黄酮类P糖蛋白抑制剂的三维定量构效关系(3D-QSAR)模型, 并用包括9个样本的测试集验证模型的外部预测能力. 所得模型的拟合、 交互验证以及外部验证的复相关系数分别为r²=0.971, q²=0.728和\begin{array}{c}{r}_{\mathit{pred}}^2\end{array}=0.816. 在此基础上, 运用Surflex-dock分子对接法研究了白杨素及其异戊烯化衍生物与P糖蛋白的作用模式. 结果表明, 异戊烯化修饰可显著提高类黄酮的亲脂性, 修饰产物能更好地与P糖蛋白的疏水性口袋契合, 二者结合程度高.     

氨基酸0D-3D信息得分矢量用于人免疫缺陷病毒蛋白酶裂解位点预测及特异性分析

收集天然氨基酸的1369种0D-3D结构信息参数,经主成分分析得一组新氨基酸描述子——氨基酸0D-3D信息得分矢量,将其用于人免疫缺陷病毒蛋白酶（HIV PR）裂解位点预测,以线性判别分析与支持向量机建模预测HIV PR裂解位点．线性判别分析与支持向量机模型对646个训练集样本的自检验识别、留一法交互验证及对100个测试集样本外部验证的马休斯相关系数分别为0．879和0．911,0．849和0．901,0．822和0．846．经受试者操作特征曲线分析表明,支持向量机对HIVPR裂解位点的预测结果优于线性判别分析．研究显示,氨基酸0D-3D信息得分矢量可进一步用于HIVPR裂解位点预测．     

R基团筛选技术用于吡啶杂环类mTOR抑制剂的分子设计研究

针对27个吡啶杂环类抑制剂采用Topomer COMFA方法进行了三维定量构效关系分析,新建模型的拟合、交互验证及外部验证的复相关系数分别为r2=0.982,q2=0.857,r2pred=0.829,结果表明模型具有良好的预测能力和可信度.采用基于R基团搜索Topomer Search技术对ZINC数据库进行R基团的虚拟筛选,获得了6个高活性的新抑制剂分子,其预测活性均优于训练集中活性最高分子.运用Surflex-dock分子对接法研究吡啶杂环类抑制剂与mTOR靶点的作用模式.研究结果表明,Topomer search可有效地用于分子设计,结合分子对接结果,新抑制剂分子为mTOR靶向药物设计提供参考.     

不同电荷场优化咪唑并吡啶类VEGFR-2抑制剂的三维定量构效关系研究

运用不同电荷场优化咪唑并吡啶类VEGFR-2抑制剂,挑选出最优电荷场Gasteiger-Marsili,用COMFA和CoMSIA两种方法建立3D-QSAR模型,以分析化合物结构与分子活性之间的关系。COMFA和CoMSIA模型的交叉验证系数分别为q2=0.673和q2=0.612,拟合验证系数分别为r~2=0.891和r~2=0.973,外部验证复相关系数分别为r2 pred=0.669和r2 pred=0.658,结果表明两种模型都有良好的可信度和预测能力。COMFA和CoMSIA模型在三维等视图上相互对照和验证,得到的结论与分子对接结果一致,确立了分子结构对抑制剂活性影响的具体作用方式,对指导药物的设计与改造,新VEGFR-2抑制剂的合成提供参考。     

碱基和核苷及其衍生物的13C核磁共振波谱模拟

应用原子电性作用矢量(VAEI)和原子杂化状态指数(AHSI)及γ效应校正表征碱基和核苷及其衍生物81种分子,以多元线性回归建立13C核磁共振定量结构波谱关系模型,得复相关系数r为0.970。经留一法和留组(分子)法交互检验表明,模型具有较好内部预测能力,r分别为0.969和0.969。将该模型用于三类嘧啶和嘌呤衍生物13C核磁共振波谱模拟,得r分别为0.969、0.921和0.884,所建模型外部预测能力较强。     

一种新多肽表征方法及支持向量机用于肽HPLC定量结构-保留建模预测

从20种天然氨基酸的1369种性质参数经主成分分析得出一种新多肽序列表征方法——SZOTT. 将其用于71个不同长度肽序列表征, 以偏最小二乘(PLS)和支持向量机(SVM)建立定量结构-保留模型(QSRM). 研究表明, SZOTT能够较好表征71个肽序列特征, 其含信息量大且易操作, 与PLS相比, SVM对lgk建模预测表现出较强的拟合能力和良好外部预测能力, SZOTT表征方法和SVM建模可进一步用于肽HPLC保留行为研究.     

氨基酸描述子SZOTT用于多肽定量序效建模研究

在相关研究的基础上, 提出一新的氨基酸描述子SZOTT, 该描述子所含信息量大, 且操作简便. 将其用于两类肽体系序列表征, 用偏最小二乘和正交信号纠正-偏最小二乘建模, 获得较好的建模结果.