p53-MDM2结合抑制剂药效团模型的构建

采用Catalyst软件, 选择5类共24个p53-MDM2结合抑制剂作为训练集, 经计算机建模、构象优化, 由Catalyst系统构建出药效团模型, 并对药效团进行有效性分析, 结合已知的p53-MDM2结合抑制剂的结构信息, 筛选得到含有一个芳环中心、三个疏水中心和一个氢键受体的具有较好预测能力(Correl=0.941, Config=17.530, 吟cost=150.830)的药效团模型.     

β分泌酶抑制剂的药效团模型研究

选择活性跨越0.002至25 μmol•L－1的4类共25个β分泌酶抑制剂作为训练集, 使用Catalyst软件包构建出药效团模型, 并通过对药效团的有效性分析, 筛选得到的最佳模型(correlCorrel＝0.969, Config＝16.32, Δcost＝62.422)由一个环芳香性、一个疏水中心、一个正电荷中心和一个氢键供体组成. 并用其它209个抑制剂组成测试集对模型进行验证, 结果表明该模型显示出较强的预测能力, 能够为进一步的数据库搜索, 寻找新型的β分泌酶抑制剂先导物提供依据.     

1,3-二苯基吡唑的脱氢合成

以取代1,3-二苯基吡唑啉为原料, 采用硅胶负载的高锰酸钾作为脱氢剂, 合成了一系列1,3-二苯基吡唑衍生物. 该方法具有操作简便、条件温和、收率高的优点.     

手性毛细管电色谱拆分比索洛尔、阿替洛尔、克仑特罗和特布他林

以万古霉素(vancomycin)毛细管柱为手性分离色谱柱,采用CLC和pCEC方法,对比索洛尔、阿替洛尔、克仑特罗和特布他林进行了手性拆分研究。在CLC方法中,上述4种物质均在甲醇/异丙醇/三乙胺/冰醋酸(60/40/0.05/0.1,V/V)条件下获得最大分离,分离度(Rs)分别为1.9、1.4、1.1和0.9。在pCEC方法中,采用极性有机模式时,Rs分别为1.9、1.4、1.5和1.5;采用反相模式时,Rs分别为2.0、1.7和1.2,而特布他林则未获分离。该方法能有效拆分比索洛尔、阿替洛尔、克仑特罗和特布他林,而且CLC、pCEC极性有机模式和pCEC反相模式之间有着较强的互补关系。