一种基于遗传算法的肽/蛋白质结合模式虚拟筛选建模技术

“合理”QSAR模型是指在了解配体与受体相互作用模式的前提下建立定量构效关系, 这样避开了传统做法仅仅依靠样本集分子自身信息来构建预测模型的诸多弊端. 本文将此思想应用于肽/蛋白质亲和活性的研究当中, 借助于遗传算法作为虚拟受体结合靶点及相互作用模式的筛选手段得到了一种新的建模技术: 肽/蛋白质结合模式遗传虚拟筛选(genetic virtual screening of combinative mode for peptide/protein, GVSC). 该法成功解决了“合理”QSAR研究中的难题, 即大多数情况下受体结构未知而难以了解配基与之发生的结合方式. 分别使用58个血管紧张素转化酶, 18个Camel抗体蛋白cAb-lys3双位点突变残基对GVSC加以检验, 其结果表明GVSC能够较好地阐明配基与受体之间的作用机理, 并能得到优于传统方法的QSAR模型.     

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.     

一组新氨基酸描述子用于肽定量构效关系研究

用主成分分析从20种天然氨基酸0D～3D结构信息中收集到的共1369个描述子变量得到了一组新氨基酸描述子(SZOTT), 将其用于血管紧张素转化酶抑制剂和苦味二肽结构表征并以偏最小二乘法建立定量构效关系模型, 得复相关系数R_CU²分别为0.894和0.908, 留一法交互检验的复相关系数R_CV²分别为0.828和0.736, 估计均方根误差RMS分别为0.331和0.195. 研究结果表明, SZOTT描述子含信息量大, 操作简便, 结构表达能力强, 有望在多肽定量构效关系研究中得到进一步推广.     

用自适应偏最小二乘回归为药物定量构效关系建模

提出了一种自适应偏最小二乘回归（APLSR）方法。对于指定的预测对象，APLSR将根据样本在结构参数空间中的分布，分析它们对预测对象的预报能力，自适应地为各个样本分配权值，并从样本数据中提取和选用PLS成分，从而实施自适应加权PLSR，以获得预报性能良好的模型，作者将APLSR应用于含硫苯衍生物的QSAR建模，取得了令人满意的效果。     

一种基于虚拟受体模型的定量构效关系研究方法

提出了一种可用于定量构效关系研究的ＰＡＲＭ算法，算法中定义了一套虚拟受体原子，并利用遗传算法构造了一系列虚拟受体模型，这些模型具有高的受体－配体相互作用能和生物活性间的相关性，并能预报未知分子的生物活性。应用此算法对钾离子通道开放剂体系进行了ＱＳＡＲ研究，获得了较好的结果。     

多肽定量构效关系与分子设计

综述了多肽定量构效关系和计算机辅助多肽分子设计方法的最新进展,重点介绍了多肽定量构效关系研究中的化学结构定量描述符和建立数学模型的统计方法,并对模拟肽学和虚拟组合多肽库在多肽分子设计中的应用进行了简要的论述.     

基于多元线性回归的血管紧张素转化酶抑制肽定量构效关系建模研究

利用氨基酸结构描述符SVHEHS分别对血管紧张素转化酶(Angiotensin I-converting Enzyme,ACE)竞争性抑制二肽、三肽、四肽序列表征后,建立结构与活性的多元线性回归(MLR)模型。ACE抑制二肽模型的相关系数、交叉验证相关系数、均方根误差、外部验证相关系数分别为0.851、0.781、0.327、0.792;三肽模型分别为0.805、0.717、0.339、0.817;四肽模型分别为0.792、0.553、0.393、0.630。研究表明,运用该描述符建立的ACE抑制肽MLR模型拟合、预测能力均较好,能较好解释ACE抑制肽的活性与结构间的关系。     

支持向量机用于多氯代萘毒性的定量构效研究

用偏最小二乘法(PLS)和留一交叉验证从90多个量子化学参数中筛选出极化率、分子量、部分原子上的净电荷、静电势等作为描述符,应用支持向量机(SVM)对20个多氯代萘同系物的三组毒性数据分别建立了定量构效关系模型.所得模型的交叉验证相关系数的平方分别为0.805、0.890、0.936.并将偏最小二乘法建模所得结果与之进行比较,结果表明,SVM预报能力优于PLS.     

氨基酸描述子VHSEH用于多肽定量序效建模研究

从20 种天然氨基酸的171个物化性质出发, 按照疏水、立体和电性特征及氢键贡献将其分类后, 分别进行主成分分析, 得到一个新描述子VHSEH(Principal component score vector of hydrophobic, steric, electronic properties and, hydrogen bonds contributions). 对后叶催产素的结构进行了表征, 并以偏最小二乘法及D-优化划分样本建立了PLS定量序效关系模型, 得到复相关系数R2分别为 0.958 和 0.957, Q2分别为0.903和0.845, 约高于VHSE描述子模型值; 对抗菌肽进行了结构表征, 建立了PLS和OSC-PLS模型, 其R2分别为0.84和 0.995, Q2分别为0.546和0.926, 较SZOTT描述子结果好; 对58 个血管紧张素转化酶抑制剂进行QSAM研究, 得到R2, Q2及RMS分别为0.877, 0.838和0.361. 研究结果表明, VHSEH 描述子信息量大, 物化意义明确, 结果更易解释.     

硝基芳烃对梨形四膜虫毒性的定量构效关系解析

应用半经验方法AM1计算了42种硝基芳烃的19个量子化学和理化参数, 结合部分取自文献的分子结构符和梨形四膜虫的急性毒性数据, 采用偏最小二乘法回归分析建立了硝基芳烃对梨形四膜虫的毒性定量预测模型, 对该类化合物的急性毒性机理进行了讨论并对所建立模型与文献中相关报道的模型的评价指标进行了比较. 模型的内部交叉检验和外部测试检验结果均显示所获得模型具有较高的拟合精度和较好的预测效果(R²＝0.946, ＝0.921, P＝5.5×10^－18, F＝453.53, SD＝0.171), 其评价指标优于文献中报道的其它模型结果. 模型变量重要性分析表明, E_LUMO, a, , E_T, MW, CSV及MR对硝基芳烃的毒性大小有较大的制约作用, 硝基芳烃对梨形四膜虫所表现出来的毒性随着E_LUMO, E_T, △E的增大而减少, 随a, , , △H_f,, MW, CSV及MR的增大而增大. 导致E_T和△H_f对梨形四膜虫的毒性大小贡献的不同步, 被认为是由于硝基芳烃对梨形四膜虫多种致毒机制共存所造成.     

PDK1的吲哚酮类抑制剂定量构效关系研究

3'磷酸肌醇依赖的激酶1(3'-phosphoinositide-dependent kinase1,PDK1)是--个63kDa的丝氨酸/苏氨酸(Ser/Thr)蛋白酶,它是Akt1的上游活化激酶~([1,2]).PDK1可在磷酸化的Akt1的Thr308位点使Akt1的活性增加30倍以上.但这种活化以依赖PIP3或PIP2的方式完成,PDK1也就因此而得名~([3]).     

构建支持向量机-偏最小二乘法为药物构效关系建模

为研究药物构效关系积累样本数据的过程中,需为小样本建模。此时较易造成过拟合,影响模型的预测性能和稳定性。为此可用偏最小二乘(PLS)法从样本数据中成对地提取最优成分,消除自变量间的复共线性,并有效的降维,然后应用最小二乘支持向量机对成对成分进行非线性回归,并以基于误差修正的策略调整,使之更有效地表达自、因变量间的非线性关系。由此构建为EB-LSSVM-PLS算法,所建模型的预报精度高,稳定性良好。将其应用于新型黄烷酮类衍生物的QSAR建模,效果令人满意,其泛化性能优于其它方法。     

氨基酸描述子SZOTT用于多肽定量序效建模研究

在相关研究的基础上, 提出一新的氨基酸描述子SZOTT, 该描述子所含信息量大, 且操作简便. 将其用于两类肽体系序列表征, 用偏最小二乘和正交信号纠正-偏最小二乘建模, 获得较好的建模结果.     

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.     

HLA-A*0201限制性CTL表位定量结构与活性研究

采用VHSE氨基酸结构描述子表征HLA-A*0201限制性表位结构, 以遗传算法和偏最小二乘相结合(GA-PLS)对102个训练集进行定量构效关系建模. 剔除3个异常样本后, 据候选模型交互检验及50个外部测试集预测结果, 筛选得到最优偏最小二乘模型(A＝2), 其R², Q²和 分别为0.755, 0.621和0.680. 构效研究显示: CTL表位活性主要与1, 2, 7, 8, 9位氨基酸残基疏水、1, 2位立体及6位残基电性等性质密切相关.     

基于不同建模方法的ACE抑制肽QSAR比较研究

以自组建的血管紧张素转化酶(Angiotensin I-converting enzyme)抑制肽库为研究对象,采用氨基酸描述符SVHEHS(Scores vector of hydrophobic,electronic,hydrogen bonds and steric properties)对各肽样本进行结构表征后,进行自交叉协方差(Auto cross covariances,ACC)处理,并分别利用多元线性回归(Multiple linear regression,MLR)、偏最小二乘(Partial least square regression,PLS)、人工神经网络(Artificial neural networks,ANN)3种建模方法进行ACE抑制肽QSAR建模。结果显示,所得MLR、PLS与ANN模型的相关系数(Correlation coefficient,R2)分别为0.744、0.862、0.958,留一交叉验证相关系数(Leave-one-out cross-validated correlation coefficient,Q2LOO)分别为0.532、0.829、0.948,外部验证复相关系数(External validated correlation coefficient,Q2ext)分别为0.567、0.632、0.634。因此,SVHEHS结合上述3种建模方法均适用于ACE抑制肽的QSAR研究,其中ANN的建模效果最优。