分子对接技术用于马来酰亚胺类GSK-3α抑制剂的作用特征分析

糖原合酶激酶-3α(GSK-3α)是治疗阿尔兹海默症(AD)的关键靶点之一.采用基于R基团的搜索组合分子对接研究了GSK-3α抑制剂的作用特征.以45个马来酰亚胺类GSK-3α抑制剂分子为训练集,采用Topomer CoMFA建立3D-QSAR模型,其拟合与留一法交互验证的复相关系数和标准差分别为r2=0.797,SD=0.210,q2cv=0.611,SDcv=0.280,对22个测试集样本外部预测的复相关系数与标准差分别为r2pred=0.703,SDpred=0.213.以Topomer Search搜索技术设计了25个理论上具有更高活性的新型分子.分子对接对比研究表明,新设计的分子与建模样本同GSK-3α的作用位点具有类似的作用特征,且与对比文献一致.该研究为AD治疗的分子设计与研发提供了新的思路.     

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.     

R基团搜索技术用于HIV-1逆转录酶抑制剂的分子设计

本文采用基于R基团搜索技术的Topomer CoMFA方法对41个人类免疫缺陷病毒(HIV-1)逆转录酶抑制剂进行了三维定量构效关系(3D-QSAR)分析。所得优化模型的拟合、交互验证及外部验证的复相关系数分别为0.995、0.859和0.945。采用Topomer Search技术对ZINC数据库进行R基团的虚拟筛选,得到R贡献高的基团,以活性最高的13号分子为模板进行过滤得到1个Ra基团和20个Rb基团。并以此设计得到20个新化合物分子,其中有19个化合物的预测活性值高于13号分子。研究结果表明,所建立的Topomer CoMFA模型具有良好的稳定性和预测能力,基于R基团的Topomer Search技术可以有效筛选并设计出新的HIV-1逆转录酶抑制剂,为抗艾滋病新药设计提供了理论依据。     

R基团搜索技术用于PTH类Tau蛋白抑制剂的分子设计

对26个PTH类Tau蛋白抑制剂进行了Topomer CoMFA研究, 建立了拟合及预测能力良好的Topomer CoMFA模型, 获得的模型拟合、 交互验证及外部预测的复相关系数分别为0.976, 0.603和0.795, 估计标准偏差和Fisher验证值F分别为0.110和115.778. 使用ZINC化合物数据集作为结构片段源, 通过三维定量构效关系(3D-QSAR)模型搜索具有特定活性贡献的R基团. 以样本中活性最高的1号分子过滤, R₁和R₂贡献值均提高了20%的片段分别有9个与2个. 以此交替取代1号样本的R₁与R₂, 得到18个新颖化合物并预测其活性, 其中的15个预测活性值优于模板分子. 研究结果表明, Topomer search可有效地用于分子设计, 所设计的分子为阿尔茨海默病(AD)药物的研发提供了新的候选物.     

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.     

基于Topomer CoMFA方法的喹诺酮羧酸类衍生物的QSAR研究及分子设计

采用基于R基团搜索技术的Topomer Co MFA技术对一系列喹诺酮羧酸类衍生物进行三维定量构效(3D-QSAR)关系研究,所得模型结果的交叉验证相关系数(q2)为0.790,非交互验证系数(r2)为0.890,外部验证的复相关系数(r2pred)为0.878,研究结果表明该模型具有良好的稳定性和预测能力。采用Topomer search技术在ZINC数据库中进行虚拟筛选,筛选出6个Ra基团和3个Rb基团,进而设计出12个具有更高活性的新型喹诺酮羧酸类化合物。采用分子对接技术对药物与受体的作用机制进行了研究,结果显示,药物与蛋白酶的ASP 30、ASP 29和ASN 25位点作用明显,该QSAR的研究结果可为新药合成提供理论参考。     

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.     

R基团筛选技术用于吡啶杂环类mTOR抑制剂的分子设计研究

针对27个吡啶杂环类抑制剂采用Topomer COMFA方法进行了三维定量构效关系分析,新建模型的拟合、交互验证及外部验证的复相关系数分别为r2=0.982,q2=0.857,r2pred=0.829,结果表明模型具有良好的预测能力和可信度.采用基于R基团搜索Topomer Search技术对ZINC数据库进行R基团的虚拟筛选,获得了6个高活性的新抑制剂分子,其预测活性均优于训练集中活性最高分子.运用Surflex-dock分子对接法研究吡啶杂环类抑制剂与mTOR靶点的作用模式.研究结果表明,Topomer search可有效地用于分子设计,结合分子对接结果,新抑制剂分子为mTOR靶向药物设计提供参考.     

R基团搜索技术用于硼酸三肽蛋白酶体抑制剂的分子设计

本文采用Topomer CoMFA对44个Tyropeptin硼酸三肽类蛋白酶体抑制剂进行三维定量构效关系(3D-QSAR)分析。所得最优模型的拟合、交互验证、及外部验证的复相关系数分别为0.983、0.651、0.963。采用Topomer search对ZINC数据库进行R基团的虚拟筛选,得到具有特定活性贡献的R基团,以活性最高的分子为模板过滤,得到7个R1和5个R2基团。并以此设计得到活性优于模板分子的20个新化合物。结果表明,所建立的Topomer CoMFA模型具有良好的稳定性和预测能力,基于R集团的Topomer search技术可以有效筛选,并为设计出新的蛋白酶体抑制剂提供理论依据。     

马来酰亚胺类GSK-3β抑制剂的QSAR研究及分子设计

为了研究马来酰亚胺类化合物抑制活性与分子结构的定量构效关系,在分子理论的基础上计算了67个马来酰亚胺类化合物的电性距离矢量,通过最佳变量子集回归的方法,建立了抑制活性的五元线性回归模型,模型的传统相关系数(R2)和交叉验证相关系数(RCV2)分别为0.864和0.825.该模型经过Jackknife法检验、交叉验证、F检验及外部检验法证明具有良好的稳健性和预测能力.根据进入模型的5个变量分析,影响马来酰亚胺类GSK-3β抑制剂抑制活性的主要结构基团是-NH-,=O(或-OH),≡CH,Cl-及-O-(或-S-).同时基于QSAR模型设计了6个抑制活性显著提高的马来酰亚胺类分子,并预测了它们的抑制活性.     

类黄酮抑制 IP6Ks 的3D-QSAR 研究

采用基于R基团搜索技术的Topomer CoMFA建立了14个类黄酮类肌醇六磷酸激酶抑制剂的3D-QSAR模型,研究了类黄酮化合物对肌醇六磷酸激酶(IP6Ks)活性的抑制作用.该模型的主成分数为3,拟合与留一法交互验证的复相关系数以及F检验值分别为q~2=0.842,q_(st)~2=0.26;r~2=0.965,r_(st)~2=0.12;F=91.519.在此基础上通过Topomer Search进行分子片段筛选,对化合物8,14和6进行重新拼接设计,其预测活性可以分别提高12.76倍、9.27倍和62%.运用Surflex-dock分子对接法研究了实验数据中活性最高的化合物6和活性最低的化合物10与IP6Ks的PDB结构的作用机制,发现并验证了之前所建立的Topomer CoMFA模型构效关系分析研究的结果,进一步阐明了化合物6抑制活性更高的原因.结果表明,在类黄酮分子结构的C(5),C(7)和C(4′)位上,取代基团的大小和静电性质对其抑制活性产生重要的影响.本研究可能对以天然产物设计和合成具有更好生物活性的IP6Ks抑制剂具有指导作用.     

类黄酮抑制P糖蛋白的三维定量构效关系与作用模式

采用基于R基团搜索技术的Topomer CoMFA建立了30个类黄酮类P糖蛋白抑制剂的三维定量构效关系(3D-QSAR)模型, 并用包括9个样本的测试集验证模型的外部预测能力. 所得模型的拟合、 交互验证以及外部验证的复相关系数分别为r²=0.971, q²=0.728和\begin{array}{c}{r}_{\mathit{pred}}^2\end{array}=0.816. 在此基础上, 运用Surflex-dock分子对接法研究了白杨素及其异戊烯化衍生物与P糖蛋白的作用模式. 结果表明, 异戊烯化修饰可显著提高类黄酮的亲脂性, 修饰产物能更好地与P糖蛋白的疏水性口袋契合, 二者结合程度高.     

黄嘌呤型cPEPCK抑制剂的计算模型建立

通过SYBYL X 2.0软件包中Topomer CoMFA和Surflex-dock研究28种黄嘌呤结构的胞浆型磷酸烯醇式丙酮酸羧激酶(cPEPCK)抑制剂的三维定量构效关系(3D-QSAR)和分子对接模式.所得优化的3D-QSAR模型q2和r~2分别为0.907和0.994(q~20.5时,建立的模型具有可靠的预测能力),结果表明该模型具有较高预测能力.分子对接结果显示,此类分子与cPEPCK的Asn 533,Asn 292和Phe 530等活性功能残基具有氢键作用.Trp516可能是潜在的活性残基.基于以上研究讨论,为设计和开发具有较高活性的新型黄嘌呤类cPEPCK抑制剂提供有效信息.     

HIV-1逆转录酶抑制剂的3D-QSAR研究及分子设计

采用Topomer Co MFA方法对24个二芳基苯胺衍生物进行三维定量构效关系研究,建立了3DQSAR模型,所得优化模型的非交叉相关系数、交互验证系数以及外部验证的复相关系数分别为0.928,0.654和0.940,结果表明该模型具有良好的稳定性和预测能力。采用分子对接技术对药物与受体的作用机制进行了研究,结果显示,药物与HIV-1逆转录酶的LYS172,GLU138,LYS101等位点作用明显。运用这些信息进行分子设计,在理论上获得了一些具有较高活性的新的二芳基苯胺类抗艾滋病药物,该QSAR的研究结果可为新药合成提供理论参考。     

2,4-二氨基嘧啶类黏着斑激酶抑制剂的3D-QSAR研究

本文选取42个2,4-二氨基嘧啶类黏着斑激酶(FAK)小分子抑制剂,分别以比较分子场分析法(CoMFA)与相似性指数分析法(CoMSIA)构建3D-QSAR模型,评价模板分子、公共骨架点、最小能量优化参数、分子构象等因素对模型优化的影响。分析最优模型中立体场、静电场以及氢键等因素对抑制剂活性的影响,并应用分子对接分析该类抑制剂与FAK蛋白的相互作用。结果表明,选择化合物16作为模板分子,骨架A作为公共骨架点,最小能量优化参数中电荷、最大迭代系数、最低能量限定值分别为MMFF94、1000、0.01kcal/mol时所构建的模型最优。以CoMFA和CoMSIA构建的3D-QSAR模型的交叉验证系数(q~2)分别为0.666和0.736,非交叉验证系数(R~2)分别为0.990和0.989,表明此模型具有良好的预测能力。分子对接分析显示,其与FAK的氨基酸残基CYS502、ASP564形成了重要的氢键作用,并与周围残基形成了较强的疏水作用。通过3D-QSAR的构建与分子对接分析,可指导2,4-二氨基嘧啶类FAK小分子抑制剂的进一步结构优化设计。     

3D-QSAR Analysis of Naphthyltriazole(Lesinurad) Analogs as Potent Inhibitors of Urate Transporter 1

To obtain useful information for identifying inhibitors of urate transporter 1(URAT1), three-dimensional quantitative structure-activity relationship(3 D-QSAR) analysis was conducted for a series of lesinurad analogs via Topomer comparative molecular field analysis(CoMFA). A 3 D-QSAR model was established using a training set of 51 compounds and externally validated with a test set of 17 compounds. The Topomer CoMFA model obtained(q^2 = 0.976, r2 = 0.990) was robust and satisfactory. Subsequently, seven compounds with significant URAT1 inhibitory activity were designed according to the contour maps produced by the Topomer CoMFA model.     

橙酮类DRAK2抑制剂的3D-QSAR及分子对接研究

本文对橙酮类DRAK2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59个DRAK2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（q²）为0.625,非交叉验证系数（r²）为0.811,标准偏差（S）为0.365,Fisher检验值（F）为59.971;所构建的CoMSIA模型q²为0.62,r²为0.846,S为0.333,F值为56.453。内部和外部验证参数表明,生成的3D-QSAR模型均具有良好的预测能力和显著的统计学可靠性。分子对接实验与等势图的一致性,进一步表明本次分子模拟是可靠的。本研究对发现新型的潜在的更高活性的橙酮类DRAK2抑制剂具有指导意义。     

2,4-二氨基嘧啶类FAK抑制剂的3D-QSAR研究

摘要 本文选取42个2,4-二氨基嘧啶类FAK小分子抑制剂,分别以比较分子场分析法（CoMFA）与相似性指数分析法（CoMSIA）构建3D-QSAR模型,评价模板分子、公共骨架点、最小能量优化参数、分子构象等因素对模型优化的影响。分析最优模型中立体场、静电场以及氢键等因素对抑制剂活性的影响,并应用分子对接分析该类抑制剂与FAK蛋白的相互作用。结果表明选择16号化合物作为模板分子,骨架A作为公共骨架点,最小能量优化参数中电荷、最大迭代系数、最低能量限定值分别为MMFF94、1000、0.01 Kcal/mol时所构建的模型最优。以CoMFA和CoMSIA构建的3D-QSAR模型的交叉验证系数（q2）分别为0.666和0.736,非交叉验证系数（R2）分别为0.990和0.989,表明此模型具有良好的预测能力。分子对接分析显示,其与FAK的氨基酸残基CYS502、ASP564形成了重要的氢键作用,并与周围残基形成了较强的疏水作用。通过3D-QSAR的构建与分子对接分析,可指导2,4-二氨基嘧啶类FAK小分子抑制剂的进一步结构优化设计。     

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。     

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.