含氟农药的比较分子场分析研究

用比较分子场分析(CoMFA)方法对112种含氟农药分子的生物活性及毒性同时进行了定量构效关系研究。用78个化合物作为训练集,以距离比较方法(DISCO)确认的药效团为叠合规则构建CoMFA模型,发现影响活性的立体场与静电场的贡献分别为60.4%和39.6%,影响毒性的立体场与静电场的贡献分别为59.2%和40.8%。药效模型与毒效模型在交叉验证时的相关系数平方(R^2)分别为0.652和0.611,非交叉验证的R^2分别为0.982和0.977,方差比F(8,69)值分别为463.6及362.9,活性和毒性的标准偏差-极差比s/△γ值分别为3.6%和2.9%,表明模型具有较好的自预测能力。对测试组34个化合物进行了活性和毒性的预测,活性与毒性预测的标准偏差-极差比s/△γ值分别为10.4%和6.4%。最后,还建立了一个由97个化合物构建的扩大的模型,各种统计量得到了进一步提高。并预计了一个活性较高且毒性很低的新化合物。     

Combretastatins类微管蛋白抑制剂的定量构效关系与结合模式

以Combretastatins的B环改造化合物为研究对象, 采用遗传函数分析方法进行了二维定量构效关系研究. 研究结果表明, Apol, PMI-mag, Dipole-mag, Hbond donor和RadOfGyration等描述符对该系列抑制剂活性的贡献最大. 采用比较分子场分析方法(CoMFA)和比较分子相似因子分析方法(CoMSIA)进行了三维定量构效关系研究, 建立的CoMFA和CoMSIA模型的交叉验证相关系数q2分别为0.630和0.634, 具有较强的预测能力. 利用CoMFA和CoMSIA模型的三维等势图解析了Combretastatins类化合物的构效关系, 阐明了B环上各取代基对抑制微管蛋白聚合活性的影响, 同时应用分子对接方法分析并验证了定量构效关系模型.     

抗小麦赤霉病类含氟农药的3D-QSAR研究

用CoMFA方法对一组含氟农药分子的抗小麦赤霉病活性进行了定量构效关系研究。发现影响药效的立体场与静电场的贡献分别为90.3%和9.7%,立体场的影响是占主导性的。该模型非交叉验证的相关系数(r^2)为0.991,F值是297.524,标准偏差(S)为0.015,表明模型具有较好的预测能力。根据该模型,设计并预测了几个新的化合物,其活性都在0.96以上。经过研究表明在预测结构的某些位置添加位阻较大的基团,活性提高比较明显。     

髓细胞白血病因子-1抑制剂的三维定量构效关系研究

髓细胞白血病因子-1(Mcl-1)在多种细胞的生存与死亡中发挥着重要的作用,参与多种肿瘤的发生,已经成为新的研究热点。本文针对52个Mcl-1抑制剂2-吲哚酰基磺酰胺类化合物进行三维定量关系(3D-QSAR)研究,研究其结构与活性的关系。为此,基于分子的共同骨架叠合运用比较分子立场分析(CoMFA)和比较分子相似性指数分析(CoMSIA)两种经典的方法进行了三维定量构效关系的研究,建立相应模型,进行分子结构和抗肿瘤活性的分析。CoMFA模型的交叉验证系数q~2为0.714,相关系数r~2为0.992,预测相关系数r~2pred为0.654,立体场和静电场对活性的贡献为62%和38%。CoMSIA模型的交叉验证系数q~2为0.785,相关系数r~2为0.984,预测相关系数r~2pred为0.763。立体场、静电场、疏水场对活性的贡献为25.1%、41.0%和33.9%。数据证明上述模型都显示出了较好的预测性,为设计新型高活性的小分子抑制剂提供了有效信息。     

具有除草活性的大环内酯类衍生物的定量构效关系

研究了一系列结构新颖的具有除草活性的大环内酯衍生物的定量构效关系(QSAR). 构建的比较分子力场分析(CoMFA)、比较分子近似指数分析(CoMSIA)和全息定量构效关系(HQSAR)分子模型的交叉验证系数r2cv均大于0.5, 非交叉验证系数r2都超过0.8, 表明获取的QSAR模型具有可信的预测能力. 对CoMFA、CoMSIA模型的三维(3D)等势图分析, 发现除了立体场和静电场外, 疏水场和氢键受体场也是影响大环内酯类化合物除草活性的重要因素. 构建的HQSAR模型的原子贡献图提示的结构改造信息与三维QSAR的结果基本一致. 利用CoMFA、CoMSIA模型提供的信息,对目前已合成的活性最高化合物B1-3进行分子结构改造, 预测结果发现部分化合物可能具有更好的除草活性.     

含呋喃环双酰脲类衍生物的三维定量构效关系研究

采用比较分子力场分析法(CoMFA)和比较分子相似性指数分析法(CoMSIA), 对27个新型双酰基脲类化合物的杀蚊幼虫(Aedes aegypti L.)活性进行三维定量构效关系(3D-QSAR)研究. 在CoMFA研究中, 考察了网格点步长对统计结果的影响. 在CoMSIA研究中, 系统考察了各种分子场组合、网格点步长和衰减因子对模型统计结果的影响, 发现立体场和氢键供体场的组合得到最佳模型. 所建立的CoMFA和CoMSIA模型的非交叉验证相关系数r2值分别为0.828和0.841, 并都具有较强的预测能力. CoMFA和CoMSIA模型的三维等值图不仅直观地解释了结构与活性的关系, 而且为后续优化该系列化合物提供了理论依据.     

新型三唑类抗真菌化合物的三维定量构效关系研究

采用比较分子力场分析法(CoMFA)和比较分子相似性指数分析法(CoMSIA), 系统研究了40个新型三唑类化合物抗真菌活性的三维定量构效关系. 在CoMFA研究中, 研究了两种药效构象对模型的影响, 并考察了网格点步长对统计结果的影响. 在CoMSIA研究中, 系统考察了各种分子场组合、网格点步长和衰减因子对模型统计结果的影响, 发现立体场、静电场、疏水场和氢键受体场的组合得到最佳模型. 所建立CoMFA和CoMSIA模型的交叉相关系数q²值分别为0.718和0.655, 并都具有较强的预测能力. CoMFA和CoMSIA模型的三维等值线图直观地解释了化合物的构效关系, 阐明了化合物结构中苯环上各位置取代基对抗真菌活性的影响, 为进一步结构优化提供了重要依据.     

拓扑异构酶Ⅰ抑制剂高喜树碱类化合物的三维定量构效关系研究

针对拓扑异构酶Ⅰ抑制剂高喜树碱类化合物,采用比较分子力场分析(CoMFA)和比较分子相似性指数分析(CoMSIA)的方法对其进行三维定量构效关系的研究.构建CoMFA模型其q2=0.706,最佳主成分数n=6,非交叉验证系数r2=0.966,标准差S=0.277,F=117.613,立体场和静电场的贡献值分别为0.62和0.38.构建CoMSIA模型其q2=0.696,最佳主成分数n=7,非交叉验证系数r2=0.956,标准差S=0.320,F=74.374,其疏水场和立体场的贡献分别为0.75和0.25.结果显示疏水场和立体场对化合物的活性有较大影响.     

苯并呋喃／噻吩联二苯类PTP1B抑制剂三维构效关系研究

主要采用比较分子力场分析方法（CoMFA）对苯并呋喃／噻吩联二苯类PTP1B (protein tyrosine phosphatase 1B)抑制剂进行了三维构效关系的研究，考察了 静电场、立体场和氢键场对构效关系的影响，交叉系数q^2的值达到0．58，表明 CoMFA得到的构效关系模型比较理想，同时test set中分子的预测活性也表明，模 型具有较好的预测能力，研究还表明，氢键场的加入不一定有利于模型的改善，通 过对分子场等值面图的分析，可以观察到叠合分子周围立体场和静电场对化合物活 性的影响，为改进原有化合物的结构，提高它们的活性提供了指导，还尝试采用比 较分子相似性指数分析方法（CoMFA）对这一系列化合物作了研究，结果表明虽然 CoMFA中加入了疏水场，但是对于研究的体系，CoMFA的模型质量并没有显著提高。     

Discodermolide及其衍生物三维定量构效关系的研究

Discodermolide是一种新颖的作用于微管蛋白的抗肿瘤化合物, 具有良好的药用前景. 为了设计出药效更好的类似物, 我们用比较分子力场分析(CoMFA)和比较分子相似性指数分析(CoMSIA)对discodermolide及其衍生物进行了三维定量构效关系(3D-QSAR)的研究, 并建立了相关的预测模型. 其中, CoMFA模型的交叉验证相关系数(q2)为0.592, 非交叉验证相关系数(r2)为0.982, 标准偏差(SEE)为0.094, F值为119.761; CoMSIA模型的q2为0.544, r2为0.980, SEE为0.098, F值为108.715. 计算结果表明, 获得的CoMFA和CoMSIA模型具有良好的预测能力, 可以应用于指导该类化合物的设计.     

异喹啉类化合物抑制肥大细胞脱颗粒活性的3D-QSAR研究

对一组抑制肥大细胞脱颗粒的异喹啉类化合物的活性及毒性进行了3D-QSAR研究,采用距离比较法(DISCO)得到了它们的药效团模型,通过选择不同的叠合方式,建立了相关性很好的比较分子力场分析(CoMFA)模型,其交叉验证参数R^2~cv分别为0.654和0.662,非交叉验证的相关系数分别为0.990与0.983,通过查阅统计量F表,表明活性及毒性模型的置信度都大于99%,显示模型具有较强的预测能力,并在此基础上进行了新活性先导化合物的设计,得到了预测活性高以及预测毒性低的新结构,合成实验正在进行之中。     

GA strategy for variable selection in QSAR studies: application of GA-based region selection to a 3D-QSAR study of acetylcholinesterase inhibitors

Comparative molecular field analysis (CoMFA) with partial least squares (PLS) is one of the most frequently used tools in three-dimensional quantitative structure-activity relationships (3D-QSAR) studies. Although many successful CoMFA applications have proved the value of this approach, there are some problems in its proper application. Especially, the inability of PLS to handle the low signal-to-noise ratio (sample-to-variable ratio) has attracted much attention from QSAR researchers as an exciting research target, and several variable selection methods have been proposed. More recently, we have developed a novel variable selection method for CoMFA modeling (GARGS: genetic algorithm-based region selection), and its utility has been demonstrated in the previous paper (Kimura, T., et al. J. Chem. Inf. Comput. Sci. 1998, 38, 276-282). The purpose of this study is to evaluate whether GARGS can pinpoint known molecular interactions in 3D space. We have used a published set of acetylcholinesterase (AChE) inhibitors as a test example. By applying GARGS to a data set of AChE inhibitors, several improved models with high internal prediction and low number of field variables were obtained. External validation was performed to select a final model among them. The coefficient contour maps of the final GARGS model were compared with the properties of the active site in AChE and the consistency between them was evaluated.     

光系统Ⅱ抑制剂—反式氰基丙烯酸酯比较分子场和电子结构研究

对反式氰基丙烯酸酯系列活性分子采用限制性系统搜索方法确定的药效团模型 ,与 9类不同骨架结构的光系统 抑制剂 DISCO模型中的反式氰基丙烯酸酯分子(M- 2 2 )的活性构象为模板所确定的药效团模型是非常相近的。对两种方法所获得的活性构象分子进行了 Co MFA研究 ,其结果是一致的。采用 PM3方法进行了量子化学计算 ,计算结果表明两种模型的构象分子具有相近的电子结构 ,根据分子静电场、立体场和电子结构探讨了该类抑制剂的构效关系。     

含磷嘧啶类CDK9抑制剂的分子对接、3D-QSAR和分子动力学模拟

选取64个具有潜力的含磷嘧啶类细胞周期依赖性蛋白激酶(CDK9)小分子抑制剂,采用分子对接方法研究了该类小分子与CDK9的结合作用,结果表明,分子构象、氢键形成、疏水性和氨基酸残基Cys106在此类抑制剂与CDK9的结合过程中具有重要作用.在配体叠合的基础上,运用比较分子力场分析(Co MFA)、比较分子相似性指数分析(Co MSIA)和Topomer Co MFA(T-COMFA)研究了分子结构与抑制活性的关系,发现由训练集立体场、静电场和疏水场组合的Co MSIA模型为最优模型,其内部交叉验证相关系数(Q2=0.557)、非交叉验证相关系数(R2=0.959)和外部预测相关系数(r2=0.863)具有统计学意义,该模型的三维等值线图直观显示了化合物的活性与其三维结构的关系.根据这些结果设计了10个具有新结构的含磷嘧啶类化合物,分子对接和分子动力学模拟结果表明,新化合物和CDK9的结合模式与原化合物64相同,自由能分析从理论上证明了新化合物64d的CDK9抑制活性优于化合物64,并且显示含磷基团与残基Asp109的静电场能在化合物与CDK9作用过程中有重要作用.     

2-嘧啶氧基-N-芳基苄胺类化合物的ALS抑制活性的QSAR研究

乙酰乳酸合成酶(ALS)或乙酰羟酸合成酶(AHAS)存在于植物的生长过程中, 很多此类酶的抑制剂实际上作为除草剂被广泛用于农业生产中. 生物活性测试结果表明, 2-嘧啶氧基-N-芳基苄胺类化合物对ALS具有一定的抑制活性. 在此基础上, 我们用两种三维定量构效关系(3D-QSAR)研究方法: 比较分子立场分析(CoMFA)和比较分子相似性指数分析(CoMSIA), 对该类化合物进行了3D-QSAR研究, 并建立了相关的预测模型. 其中, CoMFA模型的交叉验证相关系数(r_cv²)为0.801, 非交叉验证相关系数(r²)为0.947, 标准偏差(s)为0.136, F值为133.371. CoMSIA模型的r_cv²为0.744, r²为0.883, s为0.202, F值为56.472. 计算结果表明, 2-嘧啶氧基-N-芳基苄胺类化合物与ALS抑制活性有一定的相关性. 获得的CoMFA和CoMSIA模型, 将应用于指导该类化合物的设计.     

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．     

3D-QSAR of Benzothiazole Derivatives as Potent Anticancer Agents

Comparative molecular field analysis (CoMFA) method was applied to study three-dimensional quantitative structure activity relationship (3D-QSAR) of a series of benzothiazole derivatives as potent anticancer agents. The CoMFA model of cross-validation and the partial-least-square (PLS) model of non cross-validation have been well established. The best CoMFA model gives a good cross-validation coe±cient of 0.642 and a conventional correlation coe±cient of 0.976. Moreover, the estimated standard error is 0.161 and the statistical square deviation ratio F(3;20) is 111.4. The statistical parameters of the best CoMFA model show this model is reasonable and has predictive ability. The CoMFA results suggest that an electron-withdrawing group or atom (e.g. F atom) linking to the first atom (C19) of substituent R can increase the positive charges of C19 and its fi-site atoms, which lie in the blue-colored regions in the electrostatic field contour map of CoMFA, and thus can improve the activity of the compound. Meanwhile, selecting an R with an appropriatevolume is also advantageous for improving the activity.