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.     

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.     

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.     

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.     

二氢嘧啶并[4,5-d]嘧啶类衍生物作为集落刺激因子-1受体激酶抑制剂的分子对接和定量构效关系研究

集落刺激因子-1受体激酶（CSF-1R）属于Ⅲ型受体酪氨酸激酶家族成员,其在调控单核巨噬细胞系中发挥重要作用。CSF-1R及其配体异常表达与肿瘤发展过程密切相关。因此,CSF-1R信号传导可成为抗肿瘤治疗的有吸引力的靶标。本文用比较分子场分析法（CoMFA）和比较分子相似性指数分析法（CoMSIA）研究了54个二氢嘧啶并[4,5-d]嘧啶类CSF-1R激酶抑制剂的三维定量构效关系（3D-QSAR）。基于配体叠合,CoMFA和CoMSIA模型的交叉验证系数（q2）分别为0.725和0.636,拟合验证系数（r2）分别为0.960和0.958,结果表明这两种模型均具有较好的预测能力。所建模型的等势图能直观反映分子不同取代基对活性的影响,其中立体场和疏水场对活性的贡献较大。通过分子对接研究显示,氨基酸残基Cys666、Asp796在配体和受体结合过程中产生作用,分子对接的结合模式与3D-QSAR得到的结果一致。这些信息为进一步优化CSF-1R激酶抑制剂提供了理论基础。     

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.     

脒类KARI酶抑制剂的分子对接和3D-QSAR研究

对设计合成的20个单脒类化合物的水稻KARI酶体外抑制活性和体内除草活性进行了分子对接和三维定量构效关系研究. 前者采用AutoDock3.0方法, 研究发现化合物活性变化趋势与分子对接计算结果基本一致, 通过分析化合物9与KARI酶活性氨基酸残基结合模式发现, 残基Glu319, Asp315, Glu496, Gly253, Met254, Cys517等对氢键和静电相互作用以及疏水作用都有重要贡献; 后者研究采用比较分子力场分析(CoMFA)方法, 结果表明立体场和静电场对活性的贡献分别为67.8%和32.2%, 交叉验证系数r_cv²＝0.774, 非交叉验证r²＝0.999, F＝1593.134, 标准偏差s＝0.036, 所建立的3D-QSAR模型对化合物除草活性具有较好的预测能力. 两种方法研究结果为进一步设计合成更高活性的KARI酶抑制剂提供了指导.     

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.     

二芳基三嗪类HIV-1逆转录酶抑制剂的分子对接及3D-QSAR研究

对40个二芳基三嗪类HIV-1逆转录酶抑制剂进行了分子对接研究,结果表明,2个疏水性芳香取代基团与结合口袋底部形成的疏水和范德华相互作用、三嗪环母核及其R4取代基与结合位点产生的氢键和静电作用以及R4取代基与袋口形成的空间位阻效应是影响该系列化合物活性的重要因素.根据对接优势构象进行分子叠合和比较分子相似性指数分析(C...     

螺环吲哚类MDM2抑制剂的分子对接、定量构效关系和分子动力学模拟

采用分子对接、三维定量构效关系(3D-QSAR)和分子动力学方法研究了21个螺环吲哚类化合物与MDM2蛋白的相互作用, 并建立了相关预测模型. 比较分子场分析法(CoMFA)和比较分子相似性指数分析法(CoMSIA)模型的交互验证相关系数q²分别为0.573 和0.651, 非交互验证相关系数r²分别为0.948和0.980. 分子对接得到的结合模式与分子动力学模拟得到的结果一致, 结合模式表明该类螺环吲哚化合物主要通过疏水相互作用和氢键与MDM2结合. 基于上述相互作用模型设计并合成了6个新结构螺环吲哚化合物, 并在MDM2高表达的前列腺癌LNCaP细胞株上测定其活性, 结果表明化合物5, 6的半数抑制浓度均低于1μg·mL^-1, 可作为新的抗肿瘤药物先导化合物进一步深入研究. 本研究对以MDM2为靶点的新结构螺环吲哚类抑制剂的开发提供了理论和实验依据.     

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.     

基于分子对接的6-萘甲基取代HEPT类HIV-1逆转录酶抑制剂构效关系研究

采用分子对接方法得到了一系列6-萘甲基取代HEPT类逆转录酶抑制剂分子与HIV-1逆转录酶复合物模型,从中抽取出抑制剂分子的活性构象,进一步应用CoMFA和CoMSIA方法建立了具有较好预测能力的3D-QSAR模型,深入探讨了这些化合物的定量构效关系,为进一步的药物设计奠定了良好的基础.另外,以化合物13及其相应的β异构体24为代表,结合量子化学从头算分子轨道理论方法考察了它们的前线轨道,为阐明α和β系列化合物的活性差异提供了理论依据.     

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.     

芳基磺酰胺类丙酮酸激酶M2激动剂的基于多复合物的药效团模型和定量构效关系

丙酮酸激酶M2(PKM2)是肿瘤治疗中最具发展潜力的靶点之一. 本文以一系列丙酮酸激酶M2-激动剂复合物的晶体结构为基础, 采用基于多复合物的药效团(MCBP)方法产生了PKM2 的药效团模型. 并使用该药效团模型产生了62个芳基磺酰胺类PKM2激动剂的活性构象和分子叠合, 通过三维定量构效关系(3D-QSAR)方法研究了该类PKM2激动剂与PKM2蛋白的相互作用, 并建立了相关预测模型. 比较分子场分析法(CoMFA)和比较分子相似性指数分析法(CoMSIA)模型的交互验证相关系数q²分别为0.545 和0.653, 非交互验证相关系数r²分别为0.966和0.987. 本研究为进一步结构优化、设计和合成新型的PKM2激动剂提供了理论依据.     

咪唑啉衍生物缓蚀剂的定量构效关系及分子设计

采用量子化学密度泛函理论(DFT)及线性回归分析方法, 对十一烷基咪唑啉衍生物缓蚀剂抗H2S、CO2腐蚀性能进行了定量构效关系(QSAR)研究. 通过回归分析, 筛选出了影响缓蚀剂缓蚀性能的主要因素, 建立了QSAR模型, 并使用留一法交叉验证对模型的稳定性及预测能力进行了分析. 结果表明, 电子转移参数△N、咪唑环上非氢原子静电荷之和∑Qring及分子极化率α对咪唑啉类缓蚀剂的缓蚀性能有很大的贡献, 所得模型的拟合相关系数(R2)和交叉验证相关系数(q2)分别为0.924 和0.917, 模型对此类缓蚀剂抗H2S、CO2腐蚀性能具有较好的预测效果. 应用QSAR研究结果进行了分子设计, 在理论上提出了一些具有较高抗H2S、CO2腐蚀性能的新型咪唑啉衍生物, 为实验工作者合成新型缓蚀剂提供理论参考.     

基于分子对接和QSAR方法预测B-Raf II型抑制剂活性

B-Raf激酶在促分裂素原活化蛋白激酶(MAPK)信号转导通路中起着重要作用,已被确定为癌症治疗非常有吸引力的靶标.新型高效B-Raf抑制剂的开发成为癌症治疗的一个热门研究领域.本文以结构多样的B-Raf II型抑制剂为研究对象,联合应用分子对接和定量构效关系(QSAR)模型研究其定量构效关系去探讨抑制活性的起源.两个主题作为研究重点:生物活性构象和描述符.首先对分子对接方法(Glide、Gold、LigandFit、Cdocker和Libdock)进行准确性评价,后将研究的对象分子对接到B-Raf活性位点并获得生物活性构象.基于准确的对接结果,计算得到16个打分评价函数和21个能量描述符,以此构建定量构效关系模型. QSAR结果表明模型具有高度精确的拟合和强的预测能力(模型M1: r² = 0.852, r_(CV)² = 0.790, r_pre² = 0.864;模型M2: r² = 0.738, r_(CV)² = 0.812, r_pre² = 0.8605).同时探讨了对抑制活性有重要影响的描述符,结果表明打分评价函数(G_Score, -ECD, Dock_Score, PMF)与能量描述符(S(hb_ext), DE(int), Emodel)对抑制活性影响非常大.通过虚拟筛选和QSAR模型理论预测,一些新的具有潜在抑制活性的化合物作为B-Raf II型抑制剂被获得.上述信息对于进一步设计新颖高效的B-Raf II型抑制剂提供了有用的指导.     

Combined QSAR/QSPR,Molecular Docking,and Molecular Dynamics Study of Environmentally Friendly PBDEs with Improved Insulating Properties

To improve the insulating properties of polybrominated diphenyl ethers(PBDEs), we studied the molecular structures and energy gap(Eg) values of 209 PBDEs using a three-dimensional quantitative structure-activity relationship(3D-QSAR) model, molecular docking, and molecular dynamics. We also analyzed the interaction mechanisms of PBDEs using a 2D-QSAR model, molecular substitution characteristics, and molecular docking. The 3D-QSAR model showed that the 2-, 4-, 5-, and 6-positions significantly influenced the PBDE insulating properties. Using BDE-34 as a template molecule, we designed six derivatives with 0.47%-28.44% higher insulation tlian BDE-34. Compared with BDE-34, the stability and flame retardancy of the above six derivatives were not adversely affected. These derivatives, except for 2,6-cyanomethyl-BDE, 2-cyanomethyl-BDE, and 2-aniinomethyl-BDE, were more toxic and biodegradable than BDE-34, but showed weaker bioaccumulation and migration abilities than BDE-34. Mechanism analysis showed that the highest occupied orbital energy, the most negative charge, and the dipole moment were the main quantitative parameters that aflected the PBDE insulating properties. PBDE insulation gradually decreased as the number of Br atoms increased. The level of similarity between the substitution patterns on the two benzene rings was significantly correlated with PBDE insulation, with hydrophobic groups having a more significant efiect on PBDE insulation.