环境化合物对鱼类毒性的定量构效关系研究

本研究基于定量构效关系方法预测环境化合物对鱼类的毒害(50%Lethal Concentration,LC50),并确定影响毒性关键分子的结构特征及几种模拟方法的比较.构建114个化学分子的数据集,随机选取85个75%分子为训练集,剩下的29个分子作为检验集,每个化学分子计算194个分子参数,分别采用逐步多元线性回归分析法(multiple linear regression,MLR)、主成分回归法(Principal Component Regression,PCA)和偏最小二乘法(Partial Least Square,PLS)构建定量结构-毒害关系(Quantitativestructure-activity relationships,QSTB)模型.用逐步多元线性回归分析法得出的训练集和预测集的实验值-logLC50与预测值-logLC50的相关系数分别为R2tr=0.86,R2te=O.83,说明该模型可靠性和鲁棒性较高;主成分回归法用8个主成分,其训练集和预测集的实验-logLC50与预测-logLC50的R2tr=0.81,R2te=O.77;偏最小二乘法用了5个潜变量,其训练集和预测集的实验-logLC50与预测-logLC50的R2tr=0.88,R2te=0.85.MLR方法得出化合物对鱼类的毒害影响较大的分子参数,主要分属电拓扑状态参数(SssO,SsCl,SdCH2,SsNH2)、分子连接指数(Xvo)以及修正Kappa指数(Ka2).以上研究对预测环境化合物的鱼类毒害(LC50),以及从机理上加深对有机物的毒性作用机理提供重要价值.     

脂肪醇化合物对梨形四膜虫急性毒性的QSAR研究

为提高脂肪醇化合物对梨形四膜虫急性毒性的预测精度,提出基于定量结构-活性关系(QSAR)原理的脂肪醇化合物对梨形四膜虫急性毒性预测方法。运用遗传算法筛选出5种分子描述符作为变量,采用多元线性回归方法和最小二乘-支持向量机方法建立基于该5种分子描述符的脂肪醇化合物对梨形四膜虫急性毒性的预测模型。对所建立的模型进行内部验证和外部验证,两种模型的复相关系数、留一法交互验证系数分别为0.984、0.979和0.985、0.982,对外部预测样本的复相关系数和外部测试集交互验证系数分别为0.978、0.977和0.979、0.979。结果表明,所建QSAR模型均具有较好的稳健性、预测能力和泛化性能。LS-SVM模型在精度上略优于ML-R模型,而MLR模型更为简单和方便。     

噁唑烷酮类抗菌剂的QSAR研究

为了指导设计合成更高生物活性的噁唑烷酮类化合物,本文利用Hyperchem 7和Chemoffice 2004软件包计算了60个噁唑烷酮类化合物的物理化学、电子结构、拓扑指数等参数,利用偏最小二乘、穷举回归和混沌遗传算法训练的人工神经网络方法建立了定量构效关系模型,根据模型详细讨论了这些参数对抗菌活性的影响,结果表明：当该类抗菌化合物具有较大的水合能和分子表面积时有利于提高抗菌活性;当具有较低的最低空轨道能、结合能、分子拓扑指数和较小的分子体积时对提高其抗菌活性有利。     

基于偏最小二乘法的乌头碱类化合物毒性的定量构效关系研究

乌头碱类化合物属于二萜类生物碱,存在于乌头属欧乌头、川乌、北草乌和华乌头等多种毛茛科植物中,该类化合物既是其活性成分,也是其毒性成分。利用化合物定量结构-毒性效应关系(QSTR)方法研究了14个乌头碱类化合物的各种量化参数对其毒性的影响,并建立了毒性预测模型。由于该类化合物是从中药中提取分离的生物碱,样本数量相对较少,...     

苯甲酰环己二酮类除草剂的QSAR研究

对苯甲酰环己二酮类除草剂进行了多元线性回归及BP人工神经网络研究，结果表明电荷转移复合作用是影响其除草活性的主要因素。苯环2位是拉电子基，3位是给电子基有利于提高除草活性。     

用DFT研究取代芳烃对大型蚤的急毒性

用DFT-B3LYP方法,在较高基组6-311G**水平,全优化计算24种取代芳烃化合物.从中获得分子最高占用和最低空轨道能(EHOMO和ELUMO)、前线轨道能级差(ΔE=EHOMO-ELUMO)、分子次最高占用和次最低空轨道能(ENHOMO和ENLUMO)、分子总能量(Er)、氢原子所带的最高正电荷(QH+)、最负非氢原子的静电荷(Q-)、分子偶极矩(μ)和分子体积(V).文献中的辛醇/水分配系数(log Kow),按取代基类型分类和标题化合物研究大型蚤急性毒性(-lgEC50)的定量构效关系(QSAR).结果表明,前线轨道能级和疏水性均对取代芳烃毒性作用有重要贡献.没有卤素或硝基的芳烃对大型蚤的毒性作用主要以与生物分子发生电子转移等化学反应为主,含有卤素或硝基的芳烃的毒性作用还与疏水性有关.对24种标题物作多元线性回归,所得模型(-lgEC50=8.243+0.293 log Kow+8.180 ΔE-25.457 ENLUMO+14.180 ENHOMO,n=24,R=0.955,q2=0.898,SE=0.143,F=79.408,P=0.000)具有较高的毒性预测作用.     

喜树碱类抗肿瘤药物的量子化学与定量构效关系研究

喜树碱类抗肿瘤药物是DNA拓扑异构酶Ⅰ(Topoisomerase I,TopoI)的特异性抑制剂,目前已广泛应用于临床。为阐明喜树碱类化合物的作用模式,特别是A环取代基对活性的贡献,本研究基于前期喜树碱构象系统研究及其与TopoI-DNA共价复合物对接研究得到的药效构象,依次模建并优化了21个A环取代的喜树碱类化合物。结合偏最小二乘法和遗传算法,系统考察了36个分子描述符对活性的影响,包括半经验AMI方法计算得到的表征电性效应的量化描述符、立体描述符以及得自文献的疏水参数等。得到的A环取代的喜树碱类化合物的定量构效关系方程不仅统计意义显著,而且预测能力较强。本研究发现：以苯环亲电取代反应的邻、对位定位基取代喜树碱A环9、10位,活性大大提高,而且除羟基外,9位取代活性均明显高于10位取代;最高占有分子轨道能量（HOMO）对活性意义显著。这些都提示喜树碱与TopoI-DNA共价复合物可以形成电荷迁移复合物,为下一步合理设计、合成新型高效喜树碱衍生物打下了基础。     

迷幻性苯烷基胺类化合物的QSAR研究

采用量子化学密度泛函B3LYP法,用6-311+G(d,P)基组,计算38个苯烷基胺类化合物的电子结构参数;利用多元线性回归(multiple linear regression,MLB)法,筛选出影响化合物迷幻活性显著的6个变量,并建立其结构参数与迷幻活性之间的定量关系(MLR模型);同时,利用人工神经网络(artificial neural network,ANN)法建立相应的QSAR模型(ANN模型)以资对比.所建MLB模型的相关系数R=0.9340,标准误差Se=0.2068;ANN模型的相关系数R=0.9992,标准误差Se=O.0036.结果表明人工神经网络法获得了比多元线性回归方法更精密的拟合效果,可望在QSAR研究中发挥重要作用.     

17α取代雌二醇与雌激素受体结合活性的定量构效关系研究

应用分子力学法MM+和半经验量子化学AM1法几何全优化得到29个17α取代雌二醇衍生物的优势构象,再利用量子化学法和分子图形学技术获得相应优势构象的电子结构参数和几何结构参数,采用多元线性回归分析研究17α取代雌二醇衍生物与雌激素受体结合活性(relative binding affinities)的定量构效关系.结果表明17α取代雌二醇衍生物与雌激素受体结合活性和分子键合能(BE)、17号碳原子的净电荷(Q)及7号和8号碳原子间键长的相关性较好,成功地建立了29个17α取代雌二醇衍生物的构效关系式,所建回归方程的复相关系数R2及去一法交互检验相关系数Rcv2分别为0.890和0.712.     

紫杉醇类似物定量构效关系(QSAR)的研究

紫杉醇是从紫杉或称红豆杉中提取的1种天然抗癌物质,具有独特的抗癌机理。由于紫杉醇的种种限制,开发具有更高抗癌活性的紫杉醇类似物药物具有广阔的前景。本文选用36个结构多样的紫杉醇类似物分子作为数据集,随机选取其中28个作为训练集,其它为检验集,采用多元线性回归(MLR)法及主成分回归分析(PCA)法分析每个化合物的197个分子参数,分别建立定量构效关系的最优预测模型。并用检验集检验所建模型的预测能力。结果表明:多元线性回归分析法所建模型与主成分回归所建模型相比,发现逐步筛选法为最优建模方法。该方法所建模型统计结果良好(R~2=0.846,SEE=1.060),应用于检验集时,结果也比较满意(R~2=0.841,SEP=1.071),模型的可靠性和预测性较强。建模和确定主要影响因素有助于指导筛选和研发新型类紫杉醇药物。     

脂肪醇对番茄和红蜘蛛毒性的QSAR研究

应用量子化学HF/6-31G**从头算法得14种脂肪醇分子的优势构象,加上分子图形学技术,获得相应优化构象的电子结构参数和几何结构参数,并将这些参数与脂肪醇对番茄及红蜘蛛的毒性参数相关联.结果表明:脂肪醇对番茄的生物毒性与分子连接性拓扑指数(1Xv)、最负原子的静电荷(Q-)和分子极化率(α)相关性较好,而脂肪醇对红蜘蛛的生物毒性与分子连接性拓扑指数(1Xv)和分子最高占用轨道能(KH)相关性较好,建立脂肪醇对番茄和红蜘蛛毒性的构效关系式成功,找出影响生物毒性的主要结构因素.     

Assessing the reliability of a QSAR model's predictions

Quantitative structure activity relationships (QSAR) are one of the well-developed areas in computational chemistry. In this field, many successful predictive models have been developed for various property, activity or toxicity predictions. However, the predictive power of models for new query compounds is often not well characterized. The breadth of applicability of models is often not characterized. In other words, with a given QSAR model and a specific query compound to be predicted, can the model be used reliably for the desired prediction? In this study, we assessed the reliability of QSAR models' prediction on query compounds. Our approach, employing hierarchical clustering, was developed and tested using a test dataset containing 322 organic compounds with fathead minnow acute aquatic toxicity as the activity of interest. The hypothesis of the approach was that if a query compound is more similar to the compounds used to generate the QSAR model, it should be predicted more accurately. Thus, the core of the approach is to determine the relationship between the similarity of query compounds to the training set compounds of the QSAR model and the prediction accuracy given by that model. This relationship determination was achieved by comparing the results given by the two major components of the approach: objects clustering and activity prediction. With the resultant information from the two steps, a direct relationship was shown.     

定量构效关系研究中分子描述符的相关性

分子描述符的计算是定量构效关系(QSAR)研究的基础,也是化学计量学研究的重要内容,在药物化学、环境科学等领域应用广泛。目前可计算的各种分子描述符已超过4 000种,如何选择合适的分子描述符,成为QSAR研究中首先要做的事。本文首先综述了分子描述符的研究进展,然后随机选择10 000余个化合物,利用Cerius2、Sybyl、Dragon软件计算1 600多种分子描述符,最后,采用相关分析和聚类分析研究各描述符之间的关系,相关分析表明,各类分子描述符之间存在较强的线性关系,这种关系通过聚类分析可以直观体现。     

硫代氨基甲酸酯类衍生物抗HIV-1逆转录酶抑制活性的QSAR研究

采用以MLR为基学习器的Boosting算法模型,对79种硫代氨基甲酸酯类衍生物做抗HIV-1逆转录酶抑制活性的QSAR研究。以E-Dragon软件计算的7组描述符分别为自变量,以化合物的半数效应浓度EC_(50)值为因变量构成7个原始数据集,用PSO算法筛选变量并建立MLR模型。各描述符建立的MLR模型中仅有RDF描述符模型同时通过外部预测和内部验证,故确定以其建立关于硫代氨基甲酸酯类衍生物抗HIV-1逆转录酶抑制活性的Boosting-MLR预测模型。Boosting-MLR模型与MLR模型相比,训练结果的决定系数R~2分别为0.728和0.741,预测结果R~2则分别为0.718和0.667,表明其泛化能力明显增强。对Boosting-MLR模型进一步进行稳定性验证,证明其预测稳定性较高。     

卤代酚对水生梨形四膜虫急锐毒性的QSAR研究

应用HyperChem7．O计算与卤代苯酚对水生四膜虫毒性相关的量化参数以及自己设计的结构编码参数,对31种卤代酚的毒性做QSAR研究。使用逐步回归筛选出影响卤代苯酚毒性的主要参数分子表面积S、分子体积ν和编码参数R3和R6建立QSAR方程。用留一法验证该模型,检验结果相关系数R为0．9496,标准偏差s为0．2606,与回归拟合得到的R=O．9686,s =0．2067十分接近,表明所建立的QSAR方程具有较好的预测效果和较高的预测稳定性。对QSAR方程各参数对卤代苯酚毒性的影响分析表明,S、ν影响卤代酚的基本毒性,R6影响极性麻醉,而R3则既与卤代酚基本毒性有关,也与极性麻醉有关。     

支持向量机用于酚类化合物毒性的QSAR研究

从分子结构出发,计算25个酚类化合物的分子连接性指数及分子的价连接性指数,用线性逐步回归方法建立4参数的最佳方程,以此4参数作为输入参数,将留一法(L00)应用到BP网络、径向基函数(RBF)神经网络,及新颖的机器学习方法支持向量机,建立酚类化合物预测黑呆头鱼毒性的QSAR模型.应用非线性SVM法建立的预测模型结果,优于BP网络和RBF网络,SVM、BP、RBF模型预测的相关系数分别为0.959,0.940和0.945,令人满意.     

多巴胺D2受体抑制剂定量构效关系的研究

利用HyperChem软件包中的AM1半经验量子化学算法,将58个多巴胺D2受体抑制剂,作几何结构优化和计算,选取一些可能会影响及pIC_(50)值的26个理化和电子结构参数,作为描述分子的变量研究QSAR,利用偏最小二乘(PLS),穷举回归(QLS)及人工神经网络法(CGANN),以建立物理化学和电子结构等参数与其抑制活性之间的QSAR模型。结果表明:当化合物R_3位的疏水参数较大,R_5位疏水参数较小时抑制多巴胺D_2受体的能力较大,苯环上有硝基取代时不利于增加抑制活性。当该类化合物偶极矩较小,分子表面积较小、电子能较小,则有利于提高化合物的抑制活性。     

细胞色素P450 1A2抑制剂的定量构效关系研究

利用HyperChem软件包中的PM3半经验量子化学计算方法,将50个细胞色素氧化酶P450(CPY1A2)抑制剂,作几何结构优化和计算,选取一些可能会影响及pIC_(50)值的22个物理化学和电子结构参数,作为描述分子的变量进行QSAR研究,利用偏最小二乘(PLS),穷举回归(QLS)及人工神经网络方法(CGANN),以建立物理化学和电子结构等参数与其抑制活性之间的QSAR模型。结果表明:该类化合物的折射率较大、生成热较小,且log P取值在2．1～2．9之间时,具有较高的抑制细胞色素P450 CYP1A2的活性。     

苯胺和苯酚对大型溞Daphnia magna Straus毒性的定量结构-活性分析

本文旨在对苯胺和苯酚对大型溞Daphnia magna Straus毒性,进行定量结构-活性关系(QSARs)研究并进行相关的预测。由多元线性回归分析(MLR)方法得到的几个主要的QSARs关系模型揭示,在苯胺和苯酚对大型涵毒性中,正辛醇/水分配系数(logKow)是1个决定性因素。而单纯的利用logKow进行模型建立...