5,6-二氢-(9H)-吡唑[3,4-c]-1,2,4-三唑[4,3-a]吡啶类抑制剂的HQSAR研究

应用分子全息定量构效关系(HQSAR)分析方法,以5,6-二氢-(9H)-吡唑[3,4-c]-1,2,4-三唑[4,3-a]吡啶类抑制剂为研究对象,建立了一组对磷酸二酯酶4有抑制活性的化合物HQSAR模型,分析化合物活性与分子结构之间的关系.探讨了分子全息长度、分子碎片大小以及碎片区分参数对模型质量的影响.最优模型的交叉验证相关系数q2=0.628,非交叉验证相关系数r2=0.930,标准偏差SE=0.277.该模型具有较好的预测能力,对该类化合物性质的预测及进一步合成工作有指导意义.     

非核苷类HCV NS5B聚合酶抑制剂

全球约有1.7亿人感染丙型肝炎病毒(HCV),至今尚无有效的疫苗和治疗药物。目前干扰素-α和利巴韦林联用抗HCV 的标准治疗方案存在严重不良反应。近年来,新型抗HCV的研究主要集中于针对病毒感染的特异性靶点寻找新的抑制剂。NS5B聚合酶因其在HCV RNA基因组复制中的关键性作用,是目前抗HCV药物设计的重要靶点之一。NS5B聚合酶抑制剂可分为核苷类抑制剂(NIs)和非核苷类抑制剂(NNIs)。自从第一个NS5B NNIs苯并咪唑类化合物被报道以来,大量不同结合位点NS5B NNIs相继被报道,一些化合物在临床研究中表现出了可喜的疗效。本文综述了苯并噻二嗪类、苯并咪唑类、吲哚类、噻吩羧酸类、喹啉酮类、二氢吡喃类和二酮酸类等 NS5B NNIs的研究进展,旨在为该类抑制剂的开发研究提供参考。     

苯并咪唑类缓蚀剂的HQSAR研究及分子设计

采用分子全息定量构效关系(HQSAR)方法, 构建苯并咪唑衍生物在酸性环境中的缓蚀性能与结构之间的定量构效关系模型, 研究不同碎片区分参数及碎片大小对模型质量的影响, 寻找最优HQSAR模型, 并对其稳定性及预测能力进行评价. 结果显示: 选取碎片区分参数为原子类型(A)、化学键类型(B)、连接性(C)、氢原子(H)、手性(Ch)、氢键给体和受体(D&;A), 碎片大小为1-3 建模时, 得到的HQSAR 模型(r²(非交叉验证系数)=0.996, q²(交叉验证系数)=0.960, SE_cv(交叉验证标准误差)=3.709)具有良好的统计学稳定性及预测能力. 根据最优HQSAR模型图设计出的38种苯并咪唑类化合物理论上均具有较好的缓蚀性能. 本研究为油气田新型高效缓蚀剂研发提供可靠的理论依据.     

基于机器学习方法的丙型肝炎病毒非结构蛋白5B聚合酶抑制剂活性预测

在丙型肝炎病毒(HCV)的基因复制和蛋白质成熟的过程中, 非结构蛋白5B(NS5B)作为RNA依赖的RNA聚合酶起到了重要的作用. 抑制NS5B聚合酶可以阻止丙型肝炎病毒的RNA复制, 因此成为一种治疗丙型肝炎的有效方法. 通过计算机方法进行虚拟筛选和预测NS5B聚合酶抑制剂已经变得越来越重要. 本文主要采用机器学习方法(支持向量机(SVM)、k-最近相邻法(k-NN)和C4.5决策树(C4.5 DT))对已知的丙型肝炎病毒NS5B蛋白酶抑制剂与非抑制剂建立分类预测模型. 1248个结构多样性化合物(552个NS5B抑制剂与696个非NS5B抑制剂)被用于测试分类预测系统, 并用递归变量消除法选择与NS5B抑制剂相关的性质描述符以提高预测精度. 独立验证集的总预测精度为84.1%-85.0%, NS5B抑制剂的预测精度为81.4%-91.7%, 非NS5B抑制剂的预测精度为78.2%-87.2%. 其中支持向量机给出最好的NS5B抑制剂预测精度(91.7%); C4.5决策树给出最好的非NS5B抑制剂预测精度(87.2%); k-最近相邻法给出最好的总预测精度(85.0%). 研究表明机器学习方法可以有效预测未知数据集中潜在的NS5B抑制剂, 并有助于发现与其相关的分子描述符.     

HMG-CoA还原酶抑制剂三维药效团的构建

以作用于鼠肝脏细胞的21个3-羟基-3-甲基戊二酰辅酶A(HMG-CoA)还原酶抑制剂(RI)为训练集, 训练集化合物具备结构多样性, 来源于相同药理模型, 活性值IC50范围在0.3-8000 nmol·L-1. 利用Catalyst 计算HMG-CoA还原酶抑制剂最优药效团由一个氢键受体, 一个氢键给体, 一个疏水基团和一个芳香环特征组成. 药效团模型Fixed cost值, Total cost值和Configuration cost值分别为88.75、111.5 和16.98. 训练集化合物活性计算值与实测值相关系数为0.8883, 偏差值为1.269, 交叉验证结果表明, 药效团模型具有较高的置信度, 对测试集化合物活性值的预测结果显示有较好的预测能力, 可用于数据库搜索发现新的具有该活性的化合物, 也可用于中药或天然产物药物的研究开发.     

3-吡啶基醚类化合物的分子全息QSAR研究

采用分子全息定量构效关系(HQSAR, hologram quantitative structure-activity relationship)方法, 研究了28个3-吡啶基醚类化合物对乙酰胆碱α4β2受体的亲和性与它们的分子结构之间的关系, 讨论了分子碎片大小、分子碎片亚结构类型以及分子全息长度对QSAR的影响, 得到了较好的HQSAR模型, 模型的交叉验证系数平方q²＝0.670, 非交叉相关系数平方r²＝0.965, 偏差S＝0.093. 利用HQSAR的颜色编码, 对化合物中不同基团对亲和活性的影响进行了讨论, 对新配体的合成具有一定的指导作用.     

5-HT3受体拮抗剂药效团模型的构建

以31个来源于MDDR数据库中具有抑制鼠Bezold-Jarisch反射作用的5-HT3受体拮抗剂作为训练集化合物, 构建5-HT3受体拮抗剂药效团模型. 训练集化合物具备结构多样性, 来源于相同药理模型, 活性值ED50范围为0.05~320 μg/kg i.v.. 利用Catalyst计算5-HT3受体拮抗剂的最优药效团由一个氢键受体、一个疏水基团、一个正电离子化基团、一个芳香环特征和6个排除体积组成; Fixed cost值、Null cost 值、Δcost值和Configuration cost值分别为112.6, 172.0, 59.4和7.248. 训练集化合物活性的计算值与实测值相关系数为0.9031, 偏差值为0.8976, 基于Fischer的交叉验证结果表明药效团模型具有较高的置信度, 所得药效团对训练集化合物活性值的预测结果显示有较好的预测能力, 可用于数据库搜索指导发现新的具有该活性的先导化合物, 也可用于中药或天然产物药物研究开发.     

HCV复制抑制剂的定量构效关系的研究

选用60个结构多样的HCV复制抑制剂分子作为数据集,随机选择其中46个分子作为训练集,剩余14个分子作为验证集.采用多元线性回归(MLR)和主成分分析(PCA)方法对每个分子的646个理化和结构参数进行了线性回归分析,并分别建立各自的最优模型.结果表明MLR中的逐步和向前法所建模型最佳,模型结果为:训练集R2=0.827,验证集R2=0.850,模型能够直观地反映影响化合物活性的主要因素.该模型将有助于筛选和开发新的HCV复制抑制.     

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.     

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.     

基于吡咯烷与正丁烷类衍生物CCR5拮抗剂的药效团模型构建

吡咯烷与正丁烷类CCR5(化学趋化因子受体5)拮抗剂可通过抑制人类免疫缺陷病毒(HIV-1)包膜蛋白与CCR5的相互作用而阻断病毒进入细胞. 本文使用已知拮抗剂结构和活性信息构建了一个三维药效团模型. 按照Catalyst/HypoGen模块的要求, 选择了25个结构和活性均具备差异性的分子作为药效团产生的训练集. 其中训练集分子以IC50值表示的生物活性值跨度为0.06到10000 nmol·L-1. 最好的药效团模型(Hypo 1)由两个正离子化特征以及三个疏水特征组成, 训练集预测相关系数为0.924, 均方根偏差为1.068. 模型用于预测由74个分子组成的测试集化合物活性, 结果表明模型可以提供较好的活性预测结果并用于新的拮抗剂的设计.     

取代喹啉类化合物抗菌活性的3D-QSAR研究及分子设计

通过比较分子力场分析方法(Co MFA)研究取代喹啉类化合物对金黄色葡萄球菌抑菌活性(p M)的三维定量结构-活性相关(3D-QSAR)。12个化合物建立了预测模型,7个化合物作为验证集(含模板分子)。训练集的Co MFA模型显示立体场、静电场对生物活性贡献依次为49.8%、50.2%。该模型的交叉验证相关系数R2cv=0.650,非交叉验证相关系数R2=0.918,对测试集中的7个化合物的生物活性进行了预测,显示出较强的稳定性和良好的预测能力。通过分析Co MFA三维等势图发现,在取代喹啉类化合物抑菌机理中,R4取代基的强吸电性起主要作用,其次是其他取代基的疏水性作用。应用上述规律进行分子设计,获得了3个在理论上具有较高抑菌活性的新的取代喹啉衍生物,期待实验的验证。     

毒蕈碱受体激动剂的三维定量构效关系研究

采用比较分子场分析法(CoMFA)研究了55个四氢吡啶类毒蕈碱受体激动剂的三维定量构效关系(3D-QSAR), 建立了具有较强预测能力的3D-QSAR模型. 所得模型的交叉验证相关系数(q²)为0.507, 常规相关系数(R²)为0.982 , 标准方差为0.218, 说明系列化合物分子周围立体场和静电场的分布与生物活性间存在良好的相关性. 模型不仅很好地预测了训练集和测试集化合物的活性, 而且为设计活性更高的受体激动剂提供了理论依据.     

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.     

芳香噻嗪类衍生物作为选择性醛糖还原酶抑制剂的分子对接和基于受体的三维定量构效关系研究

芳香噻嗪类衍生物被证明是一类选择性较好的高活性醛糖还原酶抑制剂(ARIs).本文对44个芳香噻嗪类化合物进行了分子对接(docking)和三维定量构效关系(3D-QSAR)研究,并探索了此类化合物与醛糖还原酶(ALr²)的作用机理.醛糖还原酶与醛还原酶(ALR1)活性位点的叠加结果显示, ALr²中残基Leu 300和Cys298的存在是化合物1m具有高选择性的原因.分别建立了比较分子场分析方法(CoMFA, q² = 0.649, r² =0.934; q²:交叉验证相关系数, r²:非交叉验证相关系数)和比较分子相似性指数分析方法(CoMSIA, q² = 0.746, r² = 0.971)模型,并对影响此类化合物生物活性的结构进行了鉴定.结果显示,两个模型均具有较高预测能力,并通过测试集中的7个化合物进行了验证,其中CoMFA模型和CoMSIA模型的预测相关系数(r_Pred²)分别为0.748和0.828. 3D-QSAR模型中的三维等值线图表明,在化合物1m的苄基环上C3和C4位置以及苯并噻嗪母核上C5和C7位置进行改进可能对生物活性的提高有利,此预测与我们前期报道的苯并噻嗪母核C7位改进结果一致.本文所建3D-QSAR模型能够在理性设计具有更高生物活性的新型ARIs中发挥重要作用.     

原子类型电拓扑状态指数预测吲哚喹唑啉衍生物的抗癌性

采用原子类型电拓扑状态指数(ETSIAT)对17个吲哚喹唑啉衍生物的抗癌活性进行定量构效关系(QSAR)的研究. 经逐步回归变量筛选, 得到包含4个ETSIAT变量的最优偏最小二乘模型, 其复决定系数R2、留一法交互验证复决定系数Q2和均方根误差RMSEE分别为0.806、0.736 和0.248. 将样本随机分为训练集和预测集后, 采用相同变量组合对模型进行外部验证, 结果显示模型具有较高的外部预测能力. 模型分析结果显示, 与抗癌活性相关的4个ETSIAT描述子对应结构碎片分别为≥N=, —NH—, =O, >N—. 其中—NH—结构碎片与抗癌活性呈负相关关系, 而≥N=, >N—和=O则与抗癌活性呈正相关关系. 此外, 研究亦显示, 取代基R1上存在强的吸电子基团可显著提高化合物的抗癌活性, 且影响抗癌活性的因素可能还有R2基团的空间位阻效应. 据此设计出4个化合物的预测活性比最高活性样本分别提高7.7%、15.3%、23.1%和130%.     

基于药效团模型的DHODH抑制剂构效关系研究

利用药效团模型研究二氢乳清酸脱氢酶(Dihydroorotate dehydrogenase,DHODH)抑制剂的构效关系,为DHODH抑制剂的虚拟筛选提供新的方法.以31个具有DHODH抑制活性的化合物为训练集化合物,半数抑制浓度(IC50)范围为7~63000 nmol/L,利用Catalyst/HypoGen算法构建DHODH抑制剂药效团模型,通过对训练集化合物多个构象进行叠合,提取药效团特征及三维空间限制构建药效团模型.利用基于CatScramble的交叉验证方法及评价模型对已知活性化合物的活性预测能力,确定较优药效团模型.模型包含1个氢键受体、3个疏水中心,表征了受体配体相互作用时可能发生的氢键相互作用、疏水相互作用和π-π相互作用,4个药效特征在三维空间的排列概括了DHODH抑制剂产生活性的结构特点.所得较优模型对训练集化合物及测试集化合物的计算活性值与实验活性值的相关系数分别为0.8405和0.8788.利用药效团模型对来源于微生物的系列化合物进行虚拟筛选,筛选出59个预测活性较好的化合物,可作为进一步药物研发的候选化合物.     

基于支持向量学习机方法的抗真菌药物活性预测

为了预测分子的抗真菌活性,计算了表征分子的电子、拓扑、几何结构和分子形状等特征的67个分子描述符,并用于支持向量学习机对分子抗真菌活性分类模型的建立和活性预测.分别用留一法和五重交叉法对模型进行了验证.在五重交叉验证中,根据分子三维结构的相似性,首先把所研究的94个分子分成若干类,再分别从每一类中随机选择若干个分子组成若干个训练集,剩余的分子构成相应的测试集.结果表明,用上述两种验证方法得到的结果相近,且所建立的模型具有较高的预测性,交叉验证的预测正确率达到84.0%.     

基于DFT理论的呋喃环双酰肼类似物的QSAR和3D-QSAR研究

蜕皮激素是一类重要的昆虫生长调节剂,因其结构复杂、极性基团较多,在实际应用上遇到很大困难.自从第一个与天然蜕皮激素结构不同,同样具有蜕皮激素活性的双酰肼类化合物RH5849被报道,大量的二苯基双酰肼类化合物被合成.现有的蜕皮激素类拮抗剂的QSAR和3D-QSAR研究主要集中在二苯基模型和叔丁基团上.因此,借助计算机辅助分子设计技术设计一类结构多样的酰肼类化合物是很有意义的研究.而且,现有二苯基双酰肼的QSAR研究主要采用半径验参数,我们以前的研究表明基于DFT方法选用的量化参数和合理的生物活性构象将得到更好的QSAR和3D-QSAR模型.因此,本研究中我们基于DFT方法选取量化参数,优化分子构象用于含呋喃环双酰肼类化合物(无叔丁基团)的QSAR和3D-QSAR研究.采用密度泛函方法(DFT)在B3LYP/6-31g(d,p)基组下对本课题组合成的27个含呋喃环的双酰肼类化合物进行电子结构特征及QSAR研究,得到如下所示的回归模型(1):2O6.62363.70651.28760.0162(0.0710)(0.6447)(0.3703)(0.0072)EX F aμ=+(1)n=27,q2=0.61,spress=0.43,r2=0.72,s=0.37,F=19.34方程(1)表明,靠近呋喃环的羰基氧原子的静电效应对化合物的杀虫活性有重要影响,氧原子上的加权亲电电子密度越大,化合物的杀虫活性值增大.之前的研究发现,化合物的电子极化率(α)不但与摩尔折射率相关,也与化合物的疏水性有很大的相关性.因此,方程(1)中α的系数表明化合物与受体结合时应具有适当的立体效应和疏水效应.为了验证QSAR模型的质量,基于化合物的活性分布和结构特点,我们把27个化合物随机分成训练集22个化合物和测试集5个化合物.采用和方程(1)中相同的参数,得到新的方程(2):2O6.59163.92171.28370.0187(0.0867)(0.8166)(0.4206)(0.0086)EX F aμ=++(2)n=22,q2=0.53,spress=0.50,r2=0.69,s=0.41,F=13.33采用方程(2)建立的回归模型预测测试集中的5个化合物的活性,它们的预测活性与实验活性接近,表明方程(2)有较好的预测能力,同时也表明采用相同参数的方程(1)模型也有较好的预测能力.基于DFT方法优化得到的分子构象和ESP拟合电荷也用于3D-QSAR研究中.CoMFA结果显示,模型的交叉验证系数q2为0.639,最佳主成分数为2,立体场和静电场的贡献分别为46.8%和53.2%,用于非交叉验证的相关系数r2为0.819.用此模型预测了测试集中5个化合物的预测活性,与它们的实验活性值吻合较好,表明获得的CoMFA模型是可靠的,模型中静电场的贡献为主,与我们前面QSAR研究中的结论是一致的.同样也得到了不同场组合的CoMSIA模型,基于不同场的相对贡献,选定EHA组合为最佳模型,其交叉验证系数q2为0.625,最佳主成分数为3,非交叉验证的相关系数为0.893.此模型同样预测了测试集中5个化合物的预测活性,与它们的实验活性值吻合较好.说明得到的CoMSIA模型也是合理、可靠的.此外,我们选取化合物中高活性化合物10和低活性化合物25,分别分析了CoMFA和CoMSIA场中影响它们活性的主要因素,对比发现:苯环上取代基的电负性越强,对活性越有利;苯甲酰基对位取代基的立体效应和亲水性越强,对提高活性越有利.本研究对优化、改造现有双酰肼类化合物提供理论依据,为进一步设计结构多样化的蜕皮激素类似物提供初步理论指导.     

常春藤皂苷元-半酯-AZT衍生物的合成及抗病毒蛋白酶活性

以常春藤皂苷元为原料,合成了5个常春藤皂苷元-半酯-AZT复合物,其结构经¹HNMR、¹³CNMR和ESI-MS表征。并对所有目标分子体外抗HIV-1和HCV NS3/4A蛋白酶的活性进行了初步评价,化合物5显示较强的抗HCV NS/4A蛋白酶的活性,IC₅₀=5.8 μM,其余化合物IC₅₀为10.6～42.3 μM。所有衍生物无抗HIV蛋白酶活性,揭示该类衍生物选择性抑制HCV NS3/4A蛋白酶。