马来酰胺类糖原合成酶激酶-3β抑制剂的分子对接和三维定量构效关系

通过分子对接和三维定量构效关系(3D-QSAR)两种方法来确定两类马来酰胺类的糖原合成酶激酶-3β(GSK-3β)抑制剂的结合方式. 首先, 用分子对接确定抑制剂与GSK-3β结合模式及其相互作用; 然后用比较分子力场分析法(CoMFA)与比较分子相似性指数分析法(CoMSIA)对48个化合物做三维定量构效关系的分析. 两种方法得出的交互验证回归系数分别为0.669(CoMFA)和0.683(CoMSIA), 证明该模型具有很好的统计相关性, 同时也说明该模型具有较高的预测能力.根据该模型提供的信息, 设计出9个预测活性较好的分子.     

马来酰胺类糖原合成酶激酶-3β抑制剂的分子对接和三维定量构效关系

通过分子对接和三维定量构效关系(3D-QSAR)两种方法来确定两类马来酰胺类的糖原合成酶激酶-3β(GSK-3β)抑制剂的结合方式.首先,用分子对接确定抑制剂与GSK-3β的结合模式及其相互作用;然后用比较分子力场分析法(CoMFA)与比较分子相似性指数分析法(CoMSIA)对48个化合物做三维定量构效关系的分析.两种方法得出的交互验证回归系数分别为0.669(CoMFA)和0.683(CoMSIA),证明该模型具有很好的统计相关性,同时也说明该模型具有较高的预测能力.根据该模型提供的信息,设计出9个预测性较好的分子.     

皂甙的三维定量构效关系研究

针对目标分子柔性大的特点,在比较分子场分析(CoMFA)方法中采用交叉验证相关系数平方R^2引导的构象选择法。对12个皂甙分子的生物活性进行了三维定量构效关系研究。探讨了几种探针对构效关系结果的影响,并选择了一种较合理的“复合”探针方案。应用该复合探针构建CoMFA模型,发现影响药效的立体场与静电场的贡献分别为40%和40%,其它能量项的贡献为20%。该模型交叉验证的相关系数平方R^2为0.653,非交叉验证的R^2为0.991,方差比F(4,7)值130.195(即置信度99%以上),活性预计的标准偏差与极差比(s/△γ)为4.2%,表明模型具有较好的预测能力。根据该模型,预计在指定位置添加位阻较大的基团活性值提高将会比较明显。     

STAT3环烷烃并噻吩类衍生物抑制剂的三维定量构效关系研究

本文对STAT3抑制剂的化学结构与生物活性之间的关系进行研究。采用三维定量构效关系(3D-QSAR)中的比较分子力场分析(CoMFA)和比较分子相似性指数分析(CoMSIA)方法针对52个STAT3抑制剂建立3D-QSAR模型,阐明了抑制剂化学结构与其生物活性之间的关系。所构建的CoMFA模型交叉验证系数为0.548,非交叉验证系数为0.754,标准偏差为0.278,显著系数为58.297;所构建的CoMSIA模型交叉验证系数为0.892,非交叉验证系数为0.597,标准偏差为0.192,显著系数为57.794。结果显示CoMFA和CoMSIA模型具有良好的稳定性和预测能力。3D-QSAR模型等势图提供的相关场信息对新型STAT3抑制剂的设计具有指导意义。     

糖原合成激酶-3β马来酰胺类抑制剂构效关系的理论研究

建立糖原合成激酶-3β(GSK-3β)抑制剂的三维构效关系,可预测新的糖原合成激酶-3β抑制剂.通过确定分子的药效构象,与选定的模板分子进行叠合,采用比较分子力场分析法(Co MFA)和比较分子相似性指数分析法(Co MSIA)分别建立38个糖原合成激酶-3β抑制剂的3D-QSAR模型.比较分子力场分析法所建立的模型的决定系数q2=0.711,非交叉验证系数r2=0.887,标准偏差ES=0.411,显著系数F=109.856;比较分子相似性指数分析法所建立模型的决定系数q2=0.605,非交叉验证系数r2=0.931,标准偏差ES=0.326,显著系数F=122.122.该模型在一定程度上反映了结合部位的性质要求,解释马来酰胺类抑制剂的构效关系,具有较好的预测能力.     

褪黑激素受体拮抗剂的三维定量构效关系研究

采用两种分子场分析方法即比较分子场分析法（CoMFA）和比较分子相似因子分析法（CoMSIA）进行了37个褪黑激素受体拮抗剂的构效关系研究.计算结果表明，两种方法得到的构效关系模型都具有较好的预测能力.在计算中，还考察了不同格点距离和电荷计算方法对构效关系模型的影响.通过分析分子场等值面图在空间的分布，可以观察到叠合分子周围分子场特征对化合物活性的影响，为设计新的褪黑激素拮抗剂提供了一些理论依据.     

酪氨酸蛋白磷酸酯酶1B抑制剂的分子对接和三维定量构效关系研究

用一种柔性分子对接方法(FlexX)将12个2-草酰胺苯甲酸类抑制剂和酪氨酸蛋白磷酸酯酶(PTP1B)活性口袋进行分子对接,对接程序预测的抑制剂和酶之间的相互作用能与抑制活性之间有很好的相关性(非线性相关系数R²达0.859),这说明对接结果可以比较准确地预测抑制剂和PTP1B之间的结合模式.然后,将33个同类抑制剂的骨架叠合在分子对接预测的结合构象上,用比较分子力场分析方法(CoMFA)对其进行三维定量活性构效关系研究,得到的CoMFA模型具有很好的统计相关性(交互验证回归系数q²为0.650),并可以准确地预测测试集6个化合物的活性(平均标准偏差为0.177).同时,由CoMFA模型得出的抑制剂改造信息与用FlexX预测的结合模式是一致的,进一步证明我们预测的结合模式是正确的.为研究这类抑制剂和PTP1B的结合模式及对抑制剂进行结构改造提供了信息.     

比较分子场分析方法研究的最新进展*

比较分子场分析方法(CoM FA ) 是目前在三维定量构效关系(3D2Q SAR) 中应用最为广泛的方法之一。但传统的比较分子场分析方法在具体的实现过程中还存在着一些缺陷和不足, 包括分子场势能函数的选择, 活性构象的确定, 分子的叠合以及分子场变量的选取等等。本文结合我们科研组的工作, 就近几年CoM FA 方法的最新进展做了较为详细的阐述, 同时对CoM FA 的发展前景及其在药物设计中的应用进行了展望。     

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.     

基于粒子群优化算法的神经网络在农药定量构效关系建模中的应用

神经网络模型能有效模拟非线性输入输出关系,但其常规训练算法为BP或其它梯度算法,导致训练时间较长且易陷入局部极小点。本实验探讨用粒子群优化算法训练神经网络,并应用到苯乙酰胺类农药的定量构效关系建模中,对未知化合物的活性进行预测来指导新药的设计和合成。仿真结果表明,粒子群优化算法训练的神经网络不仅收敛速度明显加快,而且其预报精度也得到了较大的提高。     

紫杉醇衍生物的三维定量构效关系研究

利用比较分子力场分析(CoMFA)方法对98个紫杉醇衍生物的三维定量构效关系(3D-QSAR)进行了分析,发现影响其活性的立体能与静电能之比为61.6/38.4.进一步分析表明,C-13侧链基团的改变对其活性影响较大,尤其是2'-OH对保持活性是至关重要的;而母环其它位置取代基的改变对活性影响较小.该模型交叉验证r_cv²=0.714,非交叉验证r₂=0.901;以此模型对验证组10个化合物活性进行预测,r_pred²=0.812,表明模型具有很好的预测能力,对紫杉醇的改性或新类似物的合成具有指导意义.     

磷酸二酯酶4b抑制剂定量构效关系及分子对接研究

磷酸二酯酶4(PDE4)是第二信使环磷酸腺苷(cAMP)选择性高亲和力的水解酶,影响气道平滑肌、炎性细胞和免疫细胞的功能,选择性PDE4b抑制剂作为抗炎药治疗哮喘和慢性阻塞性肺病(COPD)因为不会引起恶心呕吐等副反应而受到极大的关注。本文使用比较分子场(CoMFA)方法,对系列嘧啶二芳基取代的PDE4b抑制剂构建了合理的三维定量构效关系(3D-QSAR)模型,使用分子对接方法研究了抑制剂与酶的相互作用,发现该系列化合物的嘧啶环2位引入带有较大电负性基团取代的五元环状烃基可提升活性;嘧啶环4位、5位两个碳原子上建议保留小体积取代基;嘧啶环6位引入带有氢键给体或氢键受体取代的芳烃基可增加化合物活性。本研究可为后续合理设计高效的PDE4b抑制剂提供理论指导。     

酪氨酸激酶抑制剂的三维定量构效关系研究

利用柔性原子受体模型(FLARM)方法对一系列的异黄酮和喹诺酮衍生物表皮生长因子受体酪氨酸激酶抑制剂进行了三维定量构效关系研究，得到了合理的构效关系模型.FLARM方法的计算结果还给出了虚拟的受体模型，该模型说明了抑制剂与受体之间可能的相互作用.由该虚拟受体模型得到的受体-配体相互作用与Novartis药效团模型比较类似.     

HEPT类逆转录酶抑制剂的三维定量构效关系

利用比较分子力场分析(CoMFA)方法对32个HEPT类HIV-1逆转录酶抑制剂(RTIs)的三维定量构效关系(3D-QSAR)进行了分析,建立了HIV-1逆转录酶抑制剂的3种3D-QSAR模型,发现影响其生物活性的主要因素为立体场因素,这与HIV-1RT的非底物结合部位(NNBS)的疏水性环境相吻合.进一步分析表明,适当长度的1-位侧链对保持化合物的抗病毒活性致关重要;增大5-位取代基的体积可增强生物活性;在1-位苄氧甲基的对位引入大体积基团有利于提高活性.同时考察立体场、静电场与生物活性的关系,表明,CoMFA模型为最佳预测模型,其交叉验证系数R_CV²=0.870,传统相关系数R²=0.986,标准偏差SE=0.146,F=294.546.用此模型预测了检验组3个HEPT类化合物的-lgEC₅₀,R_pred²=0.850,表明模型具有很好的预测能力,可为HEPT类HIV-1逆转录酶抑制剂的结构优化提供理论指导.     

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.     

CBP/P300溴结构域联芳基类抑制剂三维定量构效关系研究

CREB结合蛋白(CBP)和与其高度同源的P300蛋白是组蛋白乙酰化酶的两个亚型,两者通过它们的溴结构域(bromodomain,BRD)与染色质结合,目前,CBP/P300已经成为人类在肿瘤靶点领域中的研究热点。本研究基于CBP/P300溴结构域联芳基类抑制剂建立三维定量构效关系,采用比较分子力场分析法(Co MFA)和比较分子相似性指数分析法(Co MSIA)分别建立35个已知活性抑制剂的3D-QSAR模型,以确定CBP/P300溴结构域联芳基类抑制剂分子结构与生物活性之间的定量关系。Co MFA和Co MSIA模型活性数据p IC50的预测值与实验值基本一致,说明这两个模型具有较高的预测能力和统计学意义。根据Co MFA和Co MSIA模型所提供的立体场、静电场、疏水场、氢键给体场、氢键供体场等信息提出了改善此类抑制剂活性的药物设计思路,为指导设计具有更高活性的新分子和预测更加有效的CBP/P300溴结构域抑制剂提供理论依据。     

楝酰胺(Rocaglamide)类化合物的三维定量构效关系

采用比较分子力场分析(CoMFA)和比较分子相似因子分析(CoMSIA)方法,对训练集中的26个楝酰胺(Rocaglamide)类化合物进行了三维定量构效关系(3D-QSAR)研究,最终建立的CoMFA模型和CoMSlA模型的q<'2>分别为0.593和0.656.并对测试集中的5个化合物的生物活性进行了预测,结果表明...     

DATA类逆转录酶抑制剂的三维定量构效关系

采用对接方法得到HIV-1抑制剂DATA(二芳基三嗪类)分子的活性构象, 进一步用比较分子场分析(CoMFA)和比较分子相似性分析(CoMSIA)法对DATA类逆转录酶抑制剂(RTIs)的三维定量构效关系(3D-QSAR)进行了研究, 建立3D-QSAR模型, 以指导进一步结构修饰. 用此模型预测了5个DATA类似物, 预测偏差较小, 表明了所建立的模型具有较强的预测能力.     

含氟新农药的构效关系研究Ⅱ.三维定量构效关系分析

为了能更深入地认识含氟新化合物作为农药的生物活性和其结构间的关系,建立有意义的药物-受体作用模型,寻找同类化合物的药效团,对合成的含氟化合物在经典QSAR方法研究的基础上,又进一步运用DISCO,CoMFA和Leapfrog方法研究了它们的三维构效关系.首先根据化学结构,将分子进行了分类,然后再分别进行CoMFA计算,根据第I类分子的CoMFA结果,我们进行了含氯化合物的全新设计.根据各类中较好的构效关系模型,我们进行了分子的改造,预测了它们的活性.     

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.