Structural Characterization of Volatile Components of Rosa Banksiae Ait for Estimation and Prediction of Their Linear Retention Indices and Retention Times

The molecular electronegativity-distance vector （MEDV） was used to describe the molecular structure of volatile components of Rosa banksiae Ait, and QSRR model was built up by use of multiple linear regression （MLR）. Furthermore, in virtue of variable screening by the stepwise multiple regression technique, the QSRR models of 10 and 6 variables and linear retention index （LRI） 10, 7 and 6 varieables were built up by combinating MEDV with the Ultra2 column GC retention time （tR） of 53 volatile components of Rosa Banksiae Air. The multiple correlation coefficients （R） of modeling calculation values of QSRR model were 0.906, 0.906, 0.949, 0.943 and 0.949, respectively. The cross-verification multiple correlation coefficients （RCV） were 0.903, 0.904, 0.867, 0.901 and 0.904, respectively. The results show that the models constructed could provide estimation stability and favorable predictive ability.     

甲状腺激素受体配体化合物的定量构效关系(QSAR)研究

研究了68个TR（Thyroid Hormone Receptor,甲状腺激素受体）配体化合物的化学结构与活性的定量构效关系．采用实验室新近提出的三维原子场全息相互作用矢量,对化合物进行了结构参数化表达,采用逐步回归对变量进行筛选后,建立了定量构效关系模型．复相关系数和交互检验复相关系数R^2=0．767,Q^2=0．625（TRα）,R^2=0．734,Q^2=0．61（TRβ）．模型具有良好的稳定性和预测能力,证明了该三维原子场全息相互作用矢量在分子结构表征和生物活性预测上的适用性,并可应用于潜在和新型的TR配体化合物的设计和开发．     

Molecular Docking and 3D-QSAR Research of Biphenyl Carboxylic Acid MMP-3 Inhibitors

The molecular docking by LigandFit docking of Discovery Studios 2.5 was employed to the three-dimensional quantitative structure-activity relationship(3D-QSAR) studies of biphenyl carboxylic acid MMP3 inhibitors.A significant correlation coefficient was obtained between dock scores and biological activities.Based on the optimal docking conformations,3D-HoVAIF was employed to the QSAR studies of 51 biphenyl carboxylic acid MMP-3 inhibitors.R2 and Q_CV2(leave-one-out,LOO) of the optimal 3D-HoVAIF-PLS model were 0.873 and 0.841 respectively.The conclusions obtained from the PLS analysis were in agreement with the docking results.     

一种新型手性分子电性矩边矢量(Vmedc)的设计及其应用

根据分子中不同类型原子间电相互作用的不同, 文中提出了一种手性分子电矩边矢量(Vmedc), 进一步拓展分子电矩边性矢量(Vmed)使用范围. 为检测该手性描述矢量的结构表达特性和模型预测能力, 分别对32个培哚普利拉类血管紧张素转化酶(ACE)抑制剂的对映结构体和7对苯基哌啶类σ-受体抑制剂进行考察. 32个ACE抑制剂多元逐步回归系数R＝0.913 (R2＝0.834, SD＝0.768, F＝33.875), 留一法交互检验为Rcv＝0.877 (Rcv2＝0.769, SDcv＝0.906, Fcv＝22.473), 具有较强预测能力; 继而用BP神经网络, 对60组随机样本(23∶9)进行留分法分析取得较好结果, 训练集平均为: RTraining＝0.931 (RTraining2＝0.967), 预测集为: Rcv＝0.918 (Rcv2＝0.842); 而对14个σ-受体抑制剂多元回归(R＝0.955, Rcv2＝0.849)获得与文献一致结果. 再用Fisher线性判别方法和BP神经网络对ACE抑制剂进行判别分析, 其活性分类88.89%正确(仅9号错误), 非活性分类100.0%正确, 总分类正确率为96.87%. 两个数据集测试证明该方法与其它文献方法相当, 这为定量构效关系(QSAR)研究提供一种新选择, 扩充了Vmed描述矢量应用范围.     

后叶催产素的定量构效关系研究

基于氨基酸物化性质的描述子矢量VHSE, 对21个后叶催产素类似物进行结构表征. 经逐步回归与偏最小二乘相结合的变量筛选技术, 根据模型的外部预测结果, 筛选得到一个最优的9变量组合. 应用该变量组合对21个后叶催产素类似物的促宫缩活性进行偏最小二乘建模, 模型复相关系数R2为92.6%, 留一法和留组法交互验证Q2分别为78.3%和79.4%. 结果表明, 后叶催产素的促宫缩活性主要与第3号氨基酸残基的疏水性、立体结构和电性性质以及第8号氨基酸残基的电性特征密切相关.     

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。     

一种新型氨基酸拓扑结构信息矢量及在肽定量构效关系研究中的应用

从表征分子的66个结构参量和拓扑指数出发,经主成分分析（PCA）得到一种包含134个氨基酸体系的特征描述子：氨基酸拓扑与结构信息矢量（VTSA）．将其应用于58个血管紧张素转化酶抑制剂（ACEI）和88个弹性蛋白酶模拟底物催化动力体系（ESCK）的定量构效关系（QSAR）或定量序效模拟（QSAM）研究中,结合遗传偏最小二乘（GPLS）、支持向量机回归（SVMR）以及本文设计的免疫神经网络（INN）技术,成功建立了上述两个肽类似物样本集定量预测模型,并取得优于已有文献报道的结果：ACEI,Rca^2≥0．82,Rcu^2≥0．77,Ermse≤0．44（GPLS＋SVM）;ESCK,Rcu^2≥0．84,Rcu^2≥0．82,Ermse≤0．20（GPLS＋INN）．     

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.     

趋化因子CCR2的同源模建,分子对接和3D-QSAR研究

趋化因子CCR2参与炎症反应、免疫移植排斥和肿瘤的发生,已成为新的研究热点。本文以CCR5的晶体结构为模板,同源模建CCR2的结构,并用CCR2小分子抑制剂与其进行分子对接以得到小分子的最优构象。在对接叠合的基础上建立了QSAR模型,采用比较分子场分析(Co MFA)以及比较分子相似性分析(Co MSIA)研究得到Co MFA和Co MSIA模型最佳评价参数分别为q2=0.743,r2=0.968和q2=0.68,r2=0.978。3D-QSAR模型的等势图分析表明,改造配体R3基团可提高化合物活性。所建模型稳定性好、预测性强,对基于CCR2的小分子抑制剂的设计、优化和改造提供了参考。     

3D-QSAR and Surflex Docking Studies of a Series of Alkaline Phosphatase Inhibitors

Alkaline phosphatases(APs) include the placental AP(PLAP), germ cell AP(GCAP), intestinal AP(IAP) and tissue nonspecific AP(TNAP). Over expression of TNAP in smooth muscle cells of kidney and vessels provokes the progress of such serious diseases as end-stage renal disease, idiopathic infantile arterial calcification, ankylosis, osteoarthritis and diabetes. In order to design and optimize the potent TNAP inhibitors, comparative molecular field analysis(CoMFA) and comparative molecular similarity indices analysis(CoMSIA) were used to analyze 3D structure-activity relationships(3D-QSAR) of TNAP inhibitors. The 3D-QSAR model(CoMFA with q~2 = 0.521, r~2 = 0.930; CoMSIA with q~2 = 0.529, r~2 = 0.933) had a good predictability. Surflex-dock was used to reveal the binding mode between the inhibitors and TNAP protein. CoMFA, CoMSIA and docking results provide guidance for the discovery of TNAP inhibitors. Finally, eight new compounds as potential TNAP inhibitors were designed.