苯并咪唑-5-羧酸酰胺HCV NS5B聚合酶抑制剂的分子全息QSAR研究及设计

采用分子全息定量构效关系(HQSAR)方法,研究54个苯并咪唑-5-羧酸酰胺类HCV NS5B聚合酶抑制剂的结构与活性之间的关系.讨论了分子碎片大小、碎片区分参数以及分子全息长度对模型的影响.以39个化合物构成的训练集所建最优模型的交叉验证相关系数q2为0.779,非交叉验证相关系数r2为0.922,标准偏差SEE为0.251.同时,利用HQSAR模型的色码图探讨了对该类抑制剂的活性起重要作用的结构片段,并根据HQSAR最佳模型图设计了17个新型2-硫乙酰芳胺-苯并咪唑-5-羧酸酰胺类衍生物,经HQSAR模型预测,这些分子理论上对HCV NS5B聚合酶均具有良好的抑制活性.     

基于启发式方法和支持向量机方法预测α环糊精-苯衍生物包结物稳定常数

建立了基于启发式方法和支持向量机方法的定量结构性质关系（QSPR）模型，用于预测α-环糊精与单取代或1，4-二取代苯衍生物结合后包结物的稳定常数．通过计算得到6个参数：分子重量、β-极化度、相对阳性电荷、相对阳性电荷表面积、DPSA3和分子轨道最大成键贡献，用于启发式方法和支持向量机方法建立QSPR模型，其相关系数分别是0．94和0．98，LOO交互检验的相关系数分别为0．92和0．95．因此，用支持向量机方法建立的模型要优于启发式方法，其预测能力更强、模型的稳定性更好．     

有机氟化合物急性毒性全息定量构效关系

运用分子全息定量构效关系(HQSAR)方法研究有机氟化合物对大鼠和小鼠的急性毒性.选择对小鼠毒性为研究对象,碎片长度为4~7,碎片区分参数为原子类型、化学键类型、氢原子、氢键给体和受体时,得到最佳模型(r2=0.978,q2=0.821).选择对大鼠毒性为研究对象,碎片长度为4~7,碎片区分参数为原子类型、连接性、氢原子和手性时,得到最佳模型(r2=0.908,q2=0.605).研究结果表明,所建模型具有良好的拟合效果和较高的预测能力.     

吲哚-2-酮类化合物作为PDGF-Rβ酶抑制剂的3D-QSAR研究

用比较分子场分析法(CoMFA)研究了一系列取代的吲哚．2．酮类化合物作为生长因子受体抑制剂对酪氨酸激酶PDGF-Rβ活性抑制作用的定量构效关系，建立了较好的预测模型，该模型非交叉验证的相关系数(R^2)为0．999，F值是1504．715，标准偏差(S)为0．042．根据该模型，设计并预测了数个新的化合物，表明该模型可定量地预测结构相近的类似物活性，为设计合成新的PDGF-Rβ酶抑制剂提供了理论依据．     

比较分子力场分析法研究3-芳基喹唑啉酮衍生物的定量构效关系研究

运用比较分子力场分析（CoMFA）方法对45个3-芳基喹唑啉酮衍生物进行了三维定量构效关系研究．考察了不同的步长、探针原子以及电荷的计算方法等对构建模型的影响．建立的最佳模型交叉验证相关系数（q^2）为0．662，非交叉验证相关系数（R^2）为0．963，标准偏差（s）为0．203．该模型的建立为选择性雌激素受体β亚型调节剂的结构优化提供了理论支持．     

估算醇的溶解度和辛醇/水分配系数的价连接性指数模型

在分子图的邻接矩阵基础上提出了一个新的价连接性指数^mL，用多元线性回归技术分别建立了60个醇的价连接性指数^mL与它们的辛醇，水分配系数lgkow及水溶解度lgSw的定量结构一性质相关性模型．该模型具有良好的稳定性和预测能力．辛醇，水分配系数的线性方程的相关系数为0．9957，溶解度的线性相关方程的相关系数为0．9882．由于指数充分考虑了空间结构和电性结构，因此对含杂原子化合物的区分能力得到加强，计算也较为简单，预测的精度也优于文献报道结果，对辛醇，水分配系数预测值的平均误差仅为0．10，对水溶解度预测值的平均误差也只有0．16，均小于文献方法的预测误差，而且本指数能较好地反映化合物的结构特征．     

碳环类神经氨酸酶抑制剂的2D-QSAR研究

对32个碳环类神经氨酸酶抑制剂进行了二维定量构效关系（2D-QSAR）研究，27个作为训练集，5个作为测试集，对计算所得的理化和量化参数进行预选后，采用偏最小二乘法（Partial least squares，PLS）建立预测模型，该模型的非交叉法验证相关系数为R^2=0．9762，交叉法验证相关系数为RCV^2=0．9651；以此预测模型对测试集的5个化合物的活性进行预测，相关系数为Rpred^2=0．8779，表明该模型具有较强的预测能力，可以指导对已有的流感药物进行化学修饰，并能指导新的神经氨酸酶抑制剂的设计及合成．     

烷烃摩尔体积和摩尔折光率的QSPR研究

在分子图的邻接矩阵基础上提出了一个新的价连接性指数^mX，该指数易于计算，对烷烃有较高的结构区分能力．^mX与烷烃的摩尔体积和摩尔折光率具有良好的线性关系，相关系数均在0．98以上．利用该模型得到的预测值与实验值较为吻合，平均相对误差为0．86％．     

分子电距矢量用于氯代苯类化合物毒性的预测

通过对18个氯苯类化合物的分子电距矢量（MEDV）与其分子毒性关系进行关联，建立多元线性回归方程：-lgIC50=3．3377＋3．2080v1＋1．1453v2—0．5353v3—0．0571v6＋0．3118v8，R为0．9420．随后采用留一法（LOO）交叉检验（CV）、内部模型验证法对其进行了验证，结果表明，该模型具有良好的稳定性和预测能力，在一定程度上阐明了氯苯类化合物与其分子电性距离矢量之间的关系．     

用分子结构固有频率估算链烷烃的蒸汽压

把链烷烃分子当作多自由度自由振动系统处理，分子中的原子或基团当作系统中的分散质点，化学键当作系统中连接各分散质点的弹簧．用机械振动理论求解系统的固有频率（ωi）选择基频（ωo）和总频（∑ωi）作为分子结构信息指数，建立定量结构-蒸汽压关系模型：lnp=α0＋α1ω0＋α2∑ωi＋α3ω02＋α4（∑ωi2），用同温度下链烷烃的蒸汽压和不同温度下链烷烃的蒸汽压，对该模型进行多元回归分析，得到预测方程，预测结果与实验值的相关系数均大0．983178．     

核偏最小二乘法及其在P-glycoprotein抑制剂设计中应用

介绍了一个新的基于优化推导出的核偏最小二乘(kernel partial least squares.K-PLS)的算法原理和实现步骤.并且给出了利用K-PLS法构建P-糖蛋白(P-glycoprotein,P-gp)黄酮类抑制剂的定量构效关系(QSAR)模型.利用该方法结合几个简单的分子拓扑参数.构建了具有高准确率的预测模型.该模型将有助于P-gp黄酮类抑制剂的虚拟筛选和理性设计.结果证明K-PLS是一个十分稳定可靠的方法,将会在化学计量学领域得到较好的应用和推广.     

基于概率神经网络的中草药活性组分利尿性的QSAR研究

利用线性判别分析和概率神经网络,建立了预测中草药有效成分利尿性与其分子结构参数之间的QSAR模型.概率神经网络分类结果好,训练集、交互检验集和测试集的分类正确率均可达到100%.本文所用的概率神经网络结构简单、易于调试,研究工作进一步明确了分子利尿性与其结构参数之间的关系,有助于利尿药物的选择与合成.     

d4T核苷酸类似物抗HIV-1活性的定量构效关系

对20个核苷酸类化合物(d4T的衍生物)进行了定量构效关系研究,建立QSAR方程。模型指出该类化合物的抗HIV-1活性与n_M、lgP、(lgP)²及分子连接性指数⁶χ^v_P具有良好的相关性,其复相关系数R为0.94。由方程可知:⁶χ^v_P在抗HIV-1过程中比电子参数σ发挥更大的作用。     

地棘蛙素类似物的CoMFA和CoMSIA的3D-QSAR研究

采用比较分子力场 (CoMFA)分析法和比较分子相似性指标场(CoMSIA)分析法,进行偏最小二乘法(PLS)分析,建立了地棘蛙素类化合物的三维构效模型.通过验证,说明该系列化合物分子立体场、静电场、氢键场和疏水场的分布与生物活性之间有良好的相关性.用模型预测同系列测试集分子,结果与实验值偏差较小.预测结果表明,该力场模型有一定的预测能力.并得出了新的药效团定义模型,可用来指导设计新的地棘蛙素类化合物烟碱型乙酰胆碱配体.     

药物分子设计中定量结构-活性关系计算方法的研究

【目的】发展一种新的定量结构-活性关系(简称"构效关系"QSAR)计算方法。【方法】双层QSAR预测模型的第1层是分子的理化性质参数,第2层是分子片段结构参数。两组权重系数{ak}和{bl}分别指派给理化参数和片段参数。在双层QSAR预测模型中引入迭代的双最小二乘(IDLS)计算方法,把单层次的构效关系发展成二层次、双方向的预测网络;在训练集中两组系数用最小二乘法(或偏最小二乘法、主成分分析等)交替求解,直至收敛。【结论】二层次、双方向的QSAR预测模型不仅能够提高预测能力,具有一定的信息反馈和学习功能,而且赋予QSAR更多的信息分析能力。     

三维定量构效关系最新研究进展

在简要回顾了经典的Ｈａｎｓｃｈ方法的基础上，重点讨论了４种典型的３Ｄ－ＱＳＡＲ方法，即分子形状分析（ＭＳＡ）、距离几何学方法（ＤＧ）、比较分子力场分析（ＣＯＭＦＡ）和假想活性位点阵（ＨＡＳＬ）的基本原理，并介绍了人工神经网络在３Ｄ－ＱＳＡＲ的原理和应用     

分子电距矢量(MEDV)用于肽模拟物的定量构效关系研究

利用电距矢量(MEDV)表征肽模拟物的分子结构,并与包含N、0、S杂原子,饱和与不饱和键或共轭体系的二肽分子的生物活性相关.利用多元线性回归方法,构建了两组二肽分子的定量构效关系(QSAR)模型.对于58个二肽组,模型相关系数和均方根误差分别为R=0.842 3和RMS=0.535.对于48个二肽组,R=0.819 9,RMS=0.357.为了检验QSAR模型的预测能力,对两个二肽组数据集进行了交叉校验(CV).采用LOO法即每次从n个样本中抽出n-1个样本建立0SAR模型继而用该模型去预测余下的1个样本的生物活性的方法.对于58肽组,58次预测的生物活性与原实验活性之间的R=0.790 6,RMS=0.608,而48肽组的R=0.742 2和RMS=0.417.MEDV只利用了分子二维拓扑图中元素电负性和相对化学键长的有关信息,不需要任何三维结构知识或分子校准步骤或有关物理化学性质的信息.此外构建QSAR模型时只利用MLR方法而不需应用主成分回归或偏最小二乘技术.方法简便快速,模型稳定有预测能力.     

Holographic QSRR of polychlorinated dibenzofurans

A new molecular representation, molecula rhologram, is employed to investigate the quantitative relationships between gas chromatographic retention indices (GC-RI) and molecular structures of polychlorinated dibenzofurans (PCDFs). Together with application of partial least squares (PLS) regression, the quantitative structure-retention relationship (QSRR) model is constructed for GC-RI of 135 PCDFs. This new QSRR model presents high statistical quality and predictive value with crossvalidation correlation coefficient q2Loo values of 0.998, and non-crossvalidationcorrelation coefficient r2 of 0.998. 100 PCDFs are selected randomly as training set and the rest as testing set. The resuit of PLS regressive analysis of training set yields r^2 of 0.998 and q2Loo of 0.997. The GC-RIs of testing set are predicted, and the correlation equation indicates that the model based on training set has excellent ability to predict the GC-RIs of PCDFs in testing set.     

紫杉醇类似物结构与活性关系模型

用分子场分析方法,对含有不同药效基团的紫杉醇类似物进行了三维这量构产研究,建立了具有较强预测能力的结构与活性关系模型,该模型的建立对于指导具有生活活性的新的紫杉醇类似物的研究与开发和减少合成的盲目性具有重要意义。