Relationship of quantitative structure and pharmacokinetics in fluoroquinolone antibacterials

AIM: To study the relationship between quantitative structure and pharmacokinetics (QSPkR) of fluoroquinolone antibacterials. METHODS: The pharmacokinetic (PK) parameters of oral fluoroquinolones were collected from the litera- ture. These pharmacokinetic data were averaged, 19 compounds were used as the training set, and 3 served as the test set. Genetic function approximation (GFA) module of Cerius2 software was used in QSPkR analysis. RESULTS: A small volume and large polarizability and surface area of substituents at C-7 contribute to a large area under the curve (AUC) for fluoroquinolones. Large polarizability and small volume of substituents at N-1 contribute to a long half life elimination. CONCLUSION: QSPkR models can contribute to some fluoroquinolones antibacterials with excellent pharmacokinetic properties.

基于化合物结构预测人体ADME/PK性质的效能评价

目的:整合定量结构性质关系(QSPR)模型预测化合物在人体的吸收、分布、代谢、排泄(ADME)性质参数和基于生理药代动力学(PBPK)模型预测人体药代动力学(PK)曲线的方法,并评价该方法的预测能力。方法:以文献报道的具有体外实测理化、生物药剂学性质和临床观测PK性质的14个化合物作为模型药物。采用ADMET Predictor软件的QSPR模型预测各个化合物的理化与生物药剂学参数,将上述预测的参数加载到GastroPlus软件的PBPK模型中预测各个化合物经口服给药后在人体的PK曲线以及主要PK参数。对比预测与实测ADME/PK参数间的差异,以评估所用模型的预测效能。结果:QSPR模型预测的理化与生物药剂学性质参数与观测值间的绝对值较为接近,两者具有较好的线性关系(大部分参数的相关系数均接近或超过0.7);14个化合物中,有6个化合物(43%)的最大血药浓度(C_(max))预测值落在观测值的2倍误差范围内,9个化合物(64%)的C_(max)落在观测值的3倍误差范围内;有7个化合物(50%)的血药浓度-时间曲线下的面积(AUC)预测值落在观测值的2倍误差范围内,8个化合物(57%)的AUC落在观测值的3倍误差范围内。结论:联合QSPR和PBPK模型可用于评估化合物的ADME性质并进一步预测人体PK特征。经过当前工作的验证,表明该方法具有较高的预测能力。

药物清除率的定量构动关系研究

目的 利用量子化学和神经网络方法,建立药物分子结构参数与药物清除率之间的关联模型,以预测药物的清除率。方法 计算了已知清除率的100种药物的18个结构参数,并对其进行了主成分分析,获得3个独立结构参数,分别以3个结构参数和18个结构参数作为神经网络的输入,进行了神经网络的建模和预测。结果 采用3个结构参数作为输入参数的神经网络的预测能力明显优于采用18个结构参数的预测能力。结论 所建预测药物清除率的神经网络模型可行,建模时进行药物分子结构参数选择非常必要。

反向传播法构建青霉素类药物的定量构动关系

目的通过神经网络模型研究青霉素类药物的定量构动关系(QSPR),为药物设计和临床应用提供参考。方法利用AM1量子化学算法计算了19种青霉素类药物的11个结构参数,并从文献中获得其3种药代动力学参数:半衰期(t1/2)、表观分布容积(Vap)和血浆蛋白结合率(BRPP)。随机选取其中16种药物的结构参数作为人工神经网络的输入参数,药代动力学参数作为输出参数对QSPR模型进行训练,并用剩余的3种药物对模型进行验证。结果构建的QSPR模型预测值与实验值的差别较小,平均误差分别为<0.015、<0.02和<0.025。结论基于神经网络模型能有效预测青霉素类抗生素的上述药动学参数,可用于青霉素类药物的结构设计,为寻找发现更好的药物提供参考。

数学模型预测药源性肝损伤研究进展

药源性肝损伤作为引起上市药物退市的主要原因之一,已为新药研发和药物临床使用过程中重点考察的安全性问题。随着信息技术的快速发展,数学模型也开始逐渐用于化合物肝毒性的预测和判断,且取得了较好的效果。药物是否产生肝毒性与药物的化学结构、体内浓度、代谢过程等多个因素有密切关系。根据药物肝毒性原理,多种数学模型被开发和应用于肝毒性预测中,常用方法包括基于定量构效关系(QSAR)模型、毒理基因组学模型和生理药动学(PBPK)模型的方法,该3种模型分别以化合物结构、毒理基因组相关信息和PBPK参数作为基础用于预测药物性肝毒性。本文介绍该3类预测药源性肝损伤方法的构建过程和应用,以期为药源性肝损伤的早期预测和肝毒性药物临床合理应用提供参考。

烃的含氧衍生物自燃点的QSPR预测研究

应用定量构效关系(QSPR)方法对烃的含氧衍生物的自燃点(AIT)及其与分子结构间的内在定量关系进行了研究。选取国际电工委员会(IEC)数据库中的76种烃的含氧衍生物作为样本集,选择65种作为训练集用于建立预测模型,11种作为测试集。采用遗传算法(GA)对变量进行筛选,结合线性和非线性方法分别建立多元线性回归(MLR)模型和支持向量机(SVM)模型,理论预测得到了11种烃的含氧衍生物的自燃点,最后对所构建模型的性能及应用域进行了评价。结果表明,经GA筛选得出MATS2e、nCOH、Dv、BEHv2、nCHR、GATS1v、IDE、Du等8种特征分子描述符,GA-MLR和GA-SVM模型的理论预测值与实验值均较为相符且后者更优,两个预测模型均比较稳定,且具备较强的预测能力和泛化推广性能。

中药渗透性规律及其评价研究进展

中药血清药理学通过从正常与疾病模型动物血清中分离、鉴定血清移行成分从而寻找药效物质基础,此方法存在一定局限性。大部分中药药效成分在生物药剂学分类系统中属于低溶解-低渗透性药物,生物利用度低但生物效应高,血清药理学不能评价非血清移行成分的功效关联规律。基于中药化学成分的复杂性,中药成分的渗透性相互作用可能影响各自的渗透性行为,形成不同的口服吸收处方。因此中药成分的渗透性尤其是多组分共存条件下的中药渗透性规律研究是解决中药功效物质基础问题值得探索的方向之一。首先概述了中药肠渗透与跨生物屏障渗透性评价的体内外实验模型及其各自的应用价值;然后探讨了常见中药活性成分的结构与渗透动力学的关系,特别是中药渗透性研究的定量构动关系研究;最后基于渗透性实验模型与构动关系研究,评述近年来关于中药多组分渗透动力学规律及其渗透机制研究进展,发现中药化学成分之间可以通过促进药物转运或者形成离子配伍而影响成分间的渗透吸收,以期为寻找和预测复杂化学成分的中药渗透性规律研究及成分间相互作用机制研究提供一定的参考与借鉴。

定量构动关系及其在中药药效成分药动学研究中的应用与展望

在查阅国内外相关文献的基础上,初步讨论了定量构动关系研究与计算机辅助药物设计的相关关系,同时对其研究内容、研究方法以及影响其模型预测的因素进行了分析总结;着重论述了分子结构描述符的类型及其计算方法以及定量构动关系在中药活性成分药动学中的研究;对当前中药及其复方药动学的研究思路进行了简要概述,同时提出定量构动关系应用于中药复方药动学的研究思路,以期有助于推动中药的研究步伐。

喹诺酮类药物半衰期的定量构动关系研究

目的应用多元线性回归方法研究喹诺酮类药物的分子结构和半衰期间的定量构动关系(QSPR)。方法利用Hyperchem和Chemoffice软件计算了25个喹诺酮类药物的结构参数和电性参数。随机选取20个药物做训练集以建立QSPR模型,5个常用药物做检验集以检验模型的准确性。结果影响喹诺酮半衰期的主要参数EHOMO,φ3,LogP,DM4个分子描述符进入模型,模型复相关系数达0.958。检验集的计算值与实验值复相关系数达0.924。结论所建立的模型能够很好地预测喹诺酮类药物的半衰期,并有效地描述其影响因素。