基于人工神经网络研究芳胺喹唑啉衍生物的抗胃癌活性

基于分子电性距离矢量(M_t)表征21个芳胺喹唑啉衍生物的分子结构,并与其对人胃癌细胞的抗癌活性(pI)关联。通过最佳变量子集回归方法建立上述化合物抗胃癌活性的三参数(M_(15)、M_(18)、M_(82))定量构效关系模型。其交叉验证系数(R_(cv)~2)、非交叉验证系数(R~2)依次为0.386和0.737。通过R、R_(cv)~2、V_(IF)等检验,模型具有较好的相关性、稳健性和预测能力。结果显示,-CH_2-、-CH、-O-、-S-和-NH-等分子结构单元直接影响这些化合物的抗胃癌活性。将M_(15)、M_(18)、M_(82)作为人工神经网络的输入层结点,采用3∶3∶1的网络结构,利用BP算法获得了令人满意的pI模型,其R~2和标准偏差S_D分别为0.992和0.080,表明pI与三参数呈现优异的非线性关系。     

手性有机酸薄层色谱保留指数的拓扑模型

基于Kier的分子连接性指数及邻接矩阵提出新型分子连接性指数（^mG_t^v）;引入手性指数（w_j）并建立了手性连接性指数（^mG_t^v）：^mG_t^v=^mG_t^v×w_j。^mG_t^v适用于手性分子、非手性分子及内消旋异构体的结构差异表征。用多元统计回归研究18种手性羟酸和氨基酸的薄层色谱保留指数（R_M）与^mG_t^v的定量构效关系,经最佳变量子集回归建立其四元数学模型,传统的判定系数（R²）为0.973,逐一剔除法（leave-one-out,LOO）的交互验证系数（Q²）为0.950,结果证明具有良好的稳健性及预测能力。根据进入该模型的4个手性连接性指数（⁰C_p^v、²C_p^v、C_ch^v、⁵C_p^v）可知,影响手性有机酸保留指数的主要因素是分子的二维结构特征和分子的手性特征以及柔韧性、折叠程度等三维结构因素。从上可见,新建手性连接性指数对手性有机酸的保留指数表征具有合理性与有效性,为预测手性有机酸的保留指数提供了一种有效方法。     

氟喹诺酮三唑酮衍生物抗增殖活性的CoMFA模型

应用比较分子力场分析法(CoMFA)研究了18种氟喹诺酮三唑啉酮衍生物对人白血病HL60细胞的体外抗增殖活性(pH)。建立的模型在高相关系数值(R2=0.969)和交叉验证系数值(R2cv=0.473)方面显示出良好的相关和预测能力。空间场和静电场对pH的贡献分别为58.5%和41.5%。基于CoMFA等高线图,揭示了该系列化合物抗增殖活性的一些关键结构因素,如疏水作用、空穴契合、库仑力及氢键等。这些结果为理解其作用机制、设计具有高抗增殖活性的新型氟喹诺酮三唑啉酮类化合物以及预测其活性提供了有益的理论参考。     

吡啶并嘧啶衍生物抗乳腺癌活性的CoMFA模型

基于比较分子力场分析(CoMFA)方法建立25种吡啶并嘧啶衍生物抗乳腺癌活性(pIC)的三维定量构效关系(3D-QSAR)。训练集中20个化合物用于建立预测模型,测试集6个化合物(含模板分子)作为模型验证。已建立的CoMFA模型的交叉验证系数(R_(cv)~2)、非交叉验证系数(R~2)分别为0.467、0.891,说明所建模型具有较强的稳定性和良好的预测能力。该模型中立体场、静电场对pIC的贡献率依次为40.8%、59.2%。基于此研究结果,设计了4个具有较高抗乳腺癌活性的新化合物,有待医学实验验证。     

苯基噻唑衍生物对细胞增殖抑制活性的QSAR模型

基于拓扑化学理论,原子类型电拓扑态指数(E_n)和电性距离矢量(M_k)被用于表征19种苯基噻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HT29(人结肠癌细胞系)、Hela(人宫颈癌细胞系)和Karpas299(人淋巴瘤细胞系)的体外细胞增殖抑制活性(L_i:L_t,L_e,L_a)与E_n和M_k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. 865、0. 924、0. 937,逐一剔除法交叉验证相关系数(R_(cv)~2)依次为0. 679、0. 898、0. 878。经R_(cv)~2、V_(IF)、F_(IT)、A_(IC)等统计指标检验,该模型具有良好的稳健性及预测能力。结果显示—CH_3、—CH_2—、—NH—、—N=(芳环中)和—OH等分子结构单元直接影响这些化合物的抑制活性。据此提出苯基噻唑衍生物分子与生物受体之间的主要作用是疏水作用、氢键。此与文献[1]的分子对接结果基本一致。     

CoMFA Study on Anti-proliferative Activity of Fluoroquinolone Amide Derivatives

The in vitro anti-proliferative activity （pICi,i=hp,ca,hl） of fluoroquinolone （rhodanineα,β-unsaturated ketone）amide compounds,referred to as“fluoroquinolone amide derivatives （FQADs）”towards Hep-3B,Capan-1 and HL60 cells,was studied by the 3D-QSAR method of comparative molecular field analysis （Co MFA）.Based on the training set of 14 compounds,the prediction model was established,which was further verified by the test set of 5 compounds with template molecule included.It is found that steric an...     

噻吩并嘧啶衍生物抗胃癌活性的CoMFA模型与分子设计

基于比较分子力场分析(CoMFA)方法建立25种噻吩并嘧啶衍生物抗胃癌活性(pM)的三维定量构效关系(3D-QSAR)。训练集中20个化合物用于建立预测模型,测试集6个化合物(含模板分子)作为模型验证。已建立的CoMFA模型的交叉验证系数(Rcv2)、非交叉验证系数(R2)分别为0.369、0.831,说明所建模型具有较强的稳定性和良好的预测能力。该模型中立体场、静电场贡献率依次为40.9%、59.1%,表明影响抑藻活性(pI)的主要因素是取代基的库仑力、氢键及配位,其次是取代基的疏水性和空间位阻。基于此研究结果,设计了4个具有较高抗胃癌活性的新化合物,有待医学实验验证。     

新的价键指数用于甲酰胺类似物活性的理论研究

甲酰胺类化合物是重要的药物化学中间体,也是很多生物活性化合物的重要组成部分,被广泛应用于医药和农药等生产行业.为了研究4-羟氨基-α-吡喃酮甲酰胺类似物活性与其分子结构的定量构效关系,根据分子中原子的特性和连接性,提出了一种新的分子结构指数——价键指数B,并计算了42个4-羟氨基-α-吡喃酮甲酰胺类似物的电性距离矢量,筛选其中M₁₄,M₇₇和M₇₈作为理论结构描述符,将其与价键指数B结合,与4-羟氨基-α-吡喃酮甲酰胺类似物活性进行回归分析,将4种参数作为神经网络法的输入层参数,采用4-4-1的神经网络结构,构建了一种相关性良好的预测生物活性的神经网络模型,模型的总相关系数R_t为0.942.预测的活性值与其实验值(pEC₅₀)的相对平均误差仅为1.26%.利用该神经网络模型设计了10种新的活性大的4-羟氨基-α-吡喃酮甲酰胺类似物分子,并计算得到活性预测值.结果表明,4-羟氨基-α-吡喃酮甲酰胺类似物生物活性与价键指数、电性距离矢量具有良好的非线性关系.     

取代嘧啶衍生物抗前列腺癌活性的3D-QSAR研究

运用比较分子力场分析(CoMFA)方法,建立18种取代嘧啶衍生物抗前列腺癌活性(pM)的三维定量构效关系。训练集中15个化合物用于建立预测模型,测试集13个化合物(含10号模板分子和新设计的9个分子)作为模型验证。建立的CoMFA模型的交叉验证系数(R_ev²)、非交叉验证系数(R²)分别为0.344、0.935,说明所建模型具有较强的鲁棒性和良好的预测能力。该模型中立体场、静电场贡献率依次为71.6%、28.6%。影响取代嘧啶衍生物抗前列腺癌活性的主要因素是取代基的疏水作用和空间位阻,其次是取代基的库仑力、氢键及配位作用。基于此研究结果,设计了9个新化合物,其抗前列腺癌活性有待医学实验验证。