μ阿片受体三维结构模建与芬太尼类似物分子对接研究(英文)

本文通过牛视紫质蛋白质晶体结构使用Composer模建程序进行了人类μ阿片受体的同源模建,预测了μ阿片受体的二级结构,用Ramachandran图和ProTable验证模型的可靠性.得到的模型91%的氨基酸残基位丁最佳区域,7个疏水区域表明有7个跨膜区与模型一致.并使用Surflex-Dock程序进行一系列芬太尼类似物分子与μ阿片受体的对接研究进而研究了其作用机制.活性位点主要包括ILE109,ASP112,TYR113,MET116,HIS262,TYR291.这些氨基酸残基都是芬太尼类似物与μ阿片受体的相互作用的主要残基.对接打分较高的分了均为与活性位点结合较好的分子,由此可对μ阿片受体有更深入的了解从而为设计出活性更高的芬太尼类化合物提供依据.     

药物分子对接中应用网格的研究与进展

药物分子对接所涉及的搜索空间非常巨大,需要耗费大量的时间,并且对计算环境也有较高的要求．将网格技术应用于药物分子对接中,能有效地解决上述问题．首先对分子对接理论做了简单介绍;然后,利用网格数据传输和网格任务调度等网格技术对分子对接过程进行了优化,有效利用了网格结点资源,并降低了药物分子的对接时间;最后的实例测试表明了药物分子对接与网格技术相结合的合理性及有效性．     

P38促细胞分裂蛋白酶活性抑制剂的分子对接及3D-QSAR研究(英文)

运用分子对接方法研究了26个以嘧啶基咪唑环为基底的一系列同源化合物与p38促细胞分裂蛋白酶晶体结构的结合模式。采用比较分子力场分析法(CoMFA)对选取的对接优势构象进行三维定量构效关系(3D-QSAR)研究。建立了3D-QSAR的CoMFA模型,其非交叉验证系数r~2为0.986,交叉验证相关系数q~2为0.755,外部验证的标准偏差(SD为0.13,表明该模型合理、可信,并具有良好的预测能力。有趣的是,配体与活性周围氨基酸残基4个距离之和与其活性之间具有良好的线性关系(R~2=0.752),揭示了配体分子大小及与氨基酸残基结合的紧密程度对化合物的抑制活性起着主要的作用。最后,根据研究总结的规律设计了4个具有潜在高活性的嘧啶基咪唑衍生物。研究结果可为实验工作者合成新药提供理论有意义的理论参考。     

梭曼与乙酰胆碱酯酶(AChE)受体的对接研究

根据梭曼与AChE体系的对接要求,对CVFF力场中P—F键的参数进行了修改和补充。之后运用新建的力场参数,对梭曼与AChE进行了对接研究,并实现了应用量子化学／分子力学方法ONIOM(B3LYP／6—31G(d)／／UFF)对大分子体系的计算研究。分子力学对接研究表明,新参数与原CVFF力场有较好的一致性,可以完全适应于所研究的体系。同时,通过计算得到10个低能量构象,其中两个最低构象的结构与ONIOM计算结果一致,这也表明对于研究大分子与小分子对接等过程特别是构象搜寻方面,CVFF力场仍然可以得到比较合理的结果。但ONIOM计算也显示出分子力场方法在处理受体与底物之间易发生化学反应或有化学反应产生趋势的体系时会产生误差,对强氢键的估计不足将限制其应用范围。     

16α取代雌二醇衍生物的三维定量构效关系和分子对接研究

采用比较分子力场方法(CoMFA)及分子对接方法对一系列雌二醇衍生物的3D-QSAR及其与受体作用方式进行研究,建立了3D-QSAR的CoMFA模型,获得了化合物的相对亲合力RBA(Relative Binding Affinity)与静电场及立体场分布之间的关系;CoMFA模型的统计学参数为:q2=0.667,r2=0.939,sD=0.280,F=49.033,立体场与静电场的贡献分别为56.8%和41.6%.相对亲合力小的化合物一般带有较大的取代基,其对接能量得分较低;相对亲合力大的化合物一般带有较小的取代基,其对接能量得分较高.化合物的对接能量得分和相对亲合力之间有良好的线性关系,其线性相关系数R为0.890.活性口袋周围的环境也与3D-QSAR的立体场分布相匹配.对接结果还显示这类化合物和雌激素的结合主要是通过氢键作用来实现,即3-OH与R394上的氨基以及17-OH与受体残基H524咪唑环上的氮形成的氢键.     

姜黄素类似物与酪氨酸酶相互作用的分子对接研究及应用

运用Surflex-dock对姜黄素类似物与酪氨酸酶的相互作用进行了分子对接研究,分析了小分子和受体的结合模式,阐述了其构效关系.对接结果表明,活性良好的化合物结合到酪氨酸酶的双核铜离子活性中心,计算结果与活性测试结果基本一致.运用该分子对接模型进行新型抑制剂设计,筛选出活性更强的带邻二酚羟基的姜黄素类似物,并得到实验...     

QPSO算法柔性分子对接问题的研究

分子对接同的之一,是找出配体和受体之间最稳定构像的结合模式,可以归为全局搜索或优化问题.本文提出的鼍子行为粒子群优化算法(QPSO)是1种有效的全局优化搜索算法.本文介绍QPSO算法在分子对接问题研究中的应用,并使用Autodock3.05的打分函数评价分子对接结果.结果表明,QPSO算法的QDOCK程序能够寻找出更为稳定的构像,且其收敛速度以及对接结果的精确性均比拉马克遗传算法(LGA)的Autodock3.05好.     

基于Hadoop环境下蛋白质与配体分子对接模拟实验研究

蛋白质种类和小分子的数量过多,对于药物的模拟开发运算量巨大。而分子对接是研究新药的重要手段,因此提高分子对接实验系统的工作效率十分重要。分子对接主要目的是研究蛋白质受体和配体小分子之间的作用与联系。本文通过模拟实验,搭建了一个Hadoop平台,并利用Hadoop强大的并行计算能力对蛋白质(1ppe与1uy6)与多组数量不同的配体小分子进行对接,最后对工作过程进行了相应的比较与优化。实验结果表明,该系统可以有效提高对接效率,并且具有较好的稳定性和便利性。     

量子粒子群优化智能算法的高精度分子对接方法研究

分子对接是药物发现与设计的重要方法,采用计算机优化和模式识别方法在三维结构数据库中搜索几何、化学特性与特定药物结合位点相匹配分子的计算机辅助药物筛选是当前分子对接的研究热点,这种问题可以归为参数优化问题。本文提出了一种基于改进的量子粒子群(quantum-behaved particle swarm optimization,QPSO)算法的分子对接方法,用于处理大自由度的分子对接计算,并与基于标准QPSO算法和经典拉马克遗传算法的分子对接方法进行了比较,实验结果表明新方法无论是在对接能量还是对接准确性上,明显优于其它2种方法,尤其是在配体复杂性不断增加的情况下,非常适用于高柔性分子对接问题。     

蛋白质-配体分子对接中构象搜索方法

分子对接是研究蛋白质-配体分子间相互作用与识别的有效方法。分子间的相互作用过程中形成的近天然构象是结合自由能极低的构象,快速且准确搜索能量极低的构象对于蛋白质-配体分子对接至关重要。本文回顾了蛋白质-配体分子对接中主要的构象搜索算法,包括快速穷举搜索、启发式搜索和其他搜索方法,并列举了采用不同搜索算法的代表性分子对接软件。其次,介绍了蛋白质-配体分子对接的国际评估实验、常用的测试标准库和评价的重要指标。最后,分析并指出了当前蛋白质-配体对接构象搜索方法所存在的主要问题,并对未来的工作进行了展望。     

分子动力学模拟的柔性对接

分子自动对接技术在过去二十年里取得很大发展和成功,但是仍然面对如何处理分子柔性这样一个难题。这篇综述概要介绍分子柔性对接技术的进展并重点介绍分子动力学模拟技术。     

药物分子对接中的构象搜索策略

药物分子对接设计是大规模数据库筛选的理想途径。本文在介绍分子对接理论的基础上,建立了一个数学规划模型,将分子对接中的构象搜索转化为约束极小化问题,并采用带有空间收缩的小种群遗传算法进行求解。在遗传算法中还引入了信息熵的概念,用熵控制各种群搜索空间的收缩。本方法用种群的多样性避免了遗传进化的早熟现象,以空间收缩尺度作为停机判据,有效地控制了算法的收敛。在多种群进化机制上,采用小种群策略,极大程度地减少了计算量,提高了分子对接的效率。实例表明本方法适用于药物分子对接设计。     

tPSODock:基于化学得分函数和两层粒子群算法的计算机分子对接程序

药物分子对接是计算机辅助药物设计的主要方法之一。利用化学得分函数(Chemscor)作为能量函数,以及将一种新的优化算法一两层粒子群算法作为搜索算法,得到了一种新的计算机分子对接程序：tPSODock。利用tPSODock计算了100个蛋白质一配体的复合物,并且与Consdock和Autodock3．0计算结果进行了对比,结果显示88％的计算结果RMSD小于2．0A,优于Consdock以及Autodock的计算结果。说明tPSODock在是一种高效的分子对接软件,可以用于大规模数据库的筛选工作,适合新药的开发和研制。     

Adaptive molecular docking method based on information entropy genetic algorithm

Almost all the molecule docking models, using by widespread docking software, are approximate. Approximation will make the scoring function inaccurate under some circumstances. This study proposed a new molecule docking scoring method: based on force-field scoring function, it use information entropy genetic algorithm to solve the docking problem. Empirical-based and knowledge-based scoring function are also considered in this method. Instead of simple combination with fixed weights, coefficients of each factor are adaptive in the process of searching optimum solution. Genetic algorithm with the multi-population evolution and entropy-based searching technique with narrowing down space is used to solve the optimization model for molecular docking problem. To evaluate this method, we carried out a numerical experiment with 134 protein–ligand complexes of the publicly available GOLD test set. The results show that this study improved the docking accuracy over the individual force-field scoring greatly. Comparing with other popular docking software, it has the best average Root-Mean-Square Deviation (RMSD). The average computing time of this study is also good among them.     

新型抗流感病毒药物——三羟基甲氧基黄酮分子对接的研究

运用柔性分子对接程序Affinity,深入研究了5,7,4'-三羟基-8-甲氧基黄酮(MF)与N1、N9亚型神经氨酸酶之间的结合方式并阐明其作用机制.结果表明MF与N1亚型神经氨酸酶之间有一种作用模式,其结合能为-70.26 kcal·mol-1,而与N9亚型之间存两种竞争性的结合模式,最大结合能为-83.51 kcal·mol-1.进一步分析发现MF与这两种亚型神经氨酸酶相互作用的作用力类型、氢键作用及关键作用的氨基酸残基等有着明显的区别.现行药物奥斯米韦作用模式单一,MF则可以与各种亚型甚至变异的神经氨酸酶发生很好地相互作用.因此,MF是一种极具应用前景的新型抗流感病毒药物.结合前人的研究成果,本研究提出了以MF为底物的流感药物修饰方向.     

多巴胺D2受体的同源模建研究

多巴胺是大脑中含量最丰富的儿茶酚胺类神经递质,主要通过多巴胺受体调控中枢神经系统的多种生理功能,其中多巴胺D2受体与药物成瘾、精神分裂症、帕金森病等多种疾病的发生相关。然而多巴胺D2受体的晶体结构至今尚未解析出来,给相关疾病的药物设计与开发带来困难。本文采用同源模建的方法,用目前与多巴胺D2受体同源性最高的多巴胺D3受体(3PBL)作为模板,构建多巴胺D2受体的三维结构。经过优化和分子动力学模拟,用Profile-3D和Ramachandran plot对模型进行评估,然后用多巴胺D2受体拮抗剂千金藤啶碱(stepholidine,SPD)进行对接验证,证明构建的多巴胺D2受体模型合理、可靠。     

Theoretical studies on binding modes of copper-based nucleases with DNA

In the present work, molecular simulations were performed for the purpose of predicting the binding modes of four types of copper nucleases (a total 33 compounds) with DNA. Our docking results accurately predicted the groove binding and electrostatic interaction for some copper nucleases with B-DNA. The intercalation modes were also reproduced by “gap DNA”. The obtained results demonstrated that the ligand size, length, functional groups and chelate ring size bound to the copper center could influence the binding affinities of copper nucleases. The binding affinities obtained from the docking calculations herein also replicated results found using MM-PBSA approach. The predicted DNA binding modes of copper nucleases with DNA will ultimately help us to better understand the interaction of copper compounds with DNA.