以31个分子结构与生物活性(-lgIC50)已知的流感病毒神经氨酸酶抑制剂为训练集,选用16个分子的理化描述子,包括分子的形状,静电作用能和范德华作用能以及疏水描述子,用二维定量构效关系(2D-QSAR)方法建立了预测模型。计算中使用偏最小二...以31个分子结构与生物活性(-lgIC50)已知的流感病毒神经氨酸酶抑制剂为训练集,选用16个分子的理化描述子,包括分子的形状,静电作用能和范德华作用能以及疏水描述子,用二维定量构效关系(2D-QSAR)方法建立了预测模型。计算中使用偏最小二乘(PLS)和主成分分析(PCA)降低变量维数,减少噪音干扰。用交叉验证法(leave one out,LOO)检验了预测模型的可信性,并用一个由4个抑制剂组成的测试集进一步验证预测模型的预测能力,证实了QSAR预测模型有较好的预测能力。神经氨酸酶抑制剂的QSAR预测模型的建立为抗流感药物的设计和改进提供了有用的研究工具。展开更多
文摘以31个分子结构与生物活性(-lgIC50)已知的流感病毒神经氨酸酶抑制剂为训练集,选用16个分子的理化描述子,包括分子的形状,静电作用能和范德华作用能以及疏水描述子,用二维定量构效关系(2D-QSAR)方法建立了预测模型。计算中使用偏最小二乘(PLS)和主成分分析(PCA)降低变量维数,减少噪音干扰。用交叉验证法(leave one out,LOO)检验了预测模型的可信性,并用一个由4个抑制剂组成的测试集进一步验证预测模型的预测能力,证实了QSAR预测模型有较好的预测能力。神经氨酸酶抑制剂的QSAR预测模型的建立为抗流感药物的设计和改进提供了有用的研究工具。