抗生素药物血浆蛋白结合率的定量构动关系

目的 应用人工神经网络方法对 6 1种抗生素进行药物分子结构和药物血浆蛋白结合率的定量结构 -药物动力学关系的研究 (QSPR)。方法 建立了含一个隐含层的反传神经网络 ,输出层为实验获得的药物血浆蛋白结合率 ;输入层为计算获得的药物分子的理化参数 ,量化参数和分子连接性指数等药物分子结构参数。为了验证网络训练结果 ,随机挑选 5 1个药物为训练集 ,进行了leave-one -out分析。结果 最后利用挑选剩下的 10个药物进行预测 ,其血浆蛋白结合率的预测值能很好地与实验数据相吻合。结论 所建立的神经网络模型能够有效地进行药物血浆蛋白结合率与药物分子结构的相关性分析。同时也证明了人工神经网络功能强大 。

药物生物利用度的定量构动关系研究

目的 确定药物分子结构与药物的生物利用度之间的关联关系 ,以得到一种能够对药物的生物利用度进行定量预测的模型 ,对药物的生物利用度进行预测。方法 计算药物分子的理化、量化参数 ,并用神经网络对药物分子的理化、量化参数与药物的生物利用度进行关联。结果 利用得到的关联关系预测了药物的生物利用度 ,预测结果令人满意。结论 根据所用的方法 ,利用药物分子的理化。

含有RGD序列多肽构效关系的研究

目的 探讨含RGD多肽的构效关系。方法 采用分子力学和量子化学方法对某些含RGD序列多肽的化学结构进行分子模拟和量化计算。结果 优化了各化合物的空间结构 ,得到了优势构象和优势构象的能量 ,研究了分子的电荷分布 ,前线轨道能量等。结论 借助于理论计算可解释含RGD(Arg -Gly -Asp)序列多肽的构效关系 ,确定了多肽与受体结合时的活性位点 ,对其活性差异给予较好的分析 ,可望为合成具有更高活性的含RGD序列多肽提供理论指导。

黄烷醇类化合物抗氧化性的构效关系

目的 采用分子力学和量子化学从头计算的方法 ,研究黄烷醇类化合物抗氧化性的构效关系。方法 系统地计算了阿福豆素、儿茶素和培儿茶素等 3种黄烷醇类化合物的能量与电子结构 ,还计算了黄烷醇类化合物在脱氢氧化反应过程中生成自由基和类醌化合物的能量变化和电子羟基键级及电荷差。结果 黄烷醇类化合物抗氧化能力的顺序为培儿茶素 >儿茶素 >阿福豆素。结论 根据计算结果 ,黄烷醇类化合物抗氧化的能力与酚羟基的脱氢活性有关 。

应用量子化学方法研究茶多酚类抗氧化剂的构效关系

采用分子力学和量子化学从头计算方法 ,研究了不同结构茶多酚 (Greenteapolyphenol,GTP)抗氧化活性的构效关系。计算结果表明 ,茶多酚类的抗氧化活性与其释放活泼氢生成苯氧自由基的能力有关 ,活性大小与O H间的Mulliken集居数、前线轨道能量、反应终态能量下降量及苯氧自由基稳定性有关。

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。

生物利用度与药物分子结构之间的关系

目的 确定药物分子结构与药物的生物利用度之间的QSPR关系,对药物的生物利用度进行预测。方法 计算药物分 子的理化、量化参数,并用神经网络对药物分子的理化、量化参数与药物的生物利用度进行关联。结果 利用得到的QSPR关 系预测了药物的生物利用度,预测结果令人满意。结论 可以根据本文所建议QSPR关系来预测药物的生物利用度。

喹诺酮类化合物的定量构动关系

目的应用量子化学和神经网络方法,研究喹诺酮类化合物的的定量构动关系。方法计算了21个喹诺酮类化合物的结构参数,建立了含两个隐含层的反传神经网络定量构动关系模型。输出层为试验获得的喹诺酮类化合物的3个药动学参数Cm ax、AUC和t1/2;输入层为筛选出的喹诺酮类化合物的6个结构参数。结果随机挑选20个化合物作为训练集并进行leave-one-out分析。剩下1个化合物作为预测集,预测结果能够很好地与试验数据相吻合。结论所建立的定量构动关系模型能够有效地分析喹诺酮类化合物的定量构动关系。

磺酰胺嘧啶类化合物的定量构效关系研究

目的研究磺酰胺嘧啶类化合物的定量构效关系(QSAR)。方法应用量子化学方法计算了48个磺酰胺嘧啶类化合物的结构参数,并用神经网络方法讨论了此类化合物分子结构与内皮素(ETs)受体拮抗活性之间的QSAR。结果获得了一个预测能力较好的QSAR神经网络模型。结论磺酰胺嘧啶类化合物与ETs受体之间存在直接的电荷迁移作用,前线轨道能、电子结构、空间因素是影响此类化合物对ETs活性的主要因素。将量子化学和神经网络相结合的方法可以成为QSAR研究的有效工具。

芦荟的化学成分及其分离和分析

本文从芦荟的化学成分及其分离、提纯和分析等方面对其作综合评述 。

解表类中药的模糊聚类分析

目的 讨论解表类中药之间的相互关系 ,为该类中药的复方组方研究提供启发和思路。方法 应用模糊数学中的聚类分析方法。结果 大豆卷和浮萍与辛凉解表药中诸味药差异较大。辛温解表药中的麻黄和藁本 ,紫苏、生姜、白芷、辛夷和葱白 ,香薷和荆芥 ;辛凉解表药中的薄荷和菊花 ,葛根和升麻在药性上具有较高的等价性。辛温解表药之间的药性差异小于辛凉解表药之间的药性差异。结论 应用聚类分析方法讨论解表类中药之间的相互关系 ,得到了某些与传统中医理论相同的结论 。

复方生脉饮及四物汤消除超氧阴离子的作用

目的 研究生脉饮、四物汤及各单味药消除超氧阴离子的作用。方法 核黄素光化学氧化 偶氮显色分光光度法测定消除超氧阴离子的作用 ,正交实验确定消除超氧阴离子作用最佳的配方。结果 人参、麦冬、五味子的配方为 1∶1∶3时生脉饮的作用最强 ,五味子的影响最大。熟地黄、川芎、当归、白芍的配方为 2∶3∶2∶3时四物汤的作用最强 ,白芍、川芎的影响最大。结论 生脉饮。

中药复方的模糊分析

根据中药性味归经特性建立了模糊量化方法 ,并利用模糊聚类分析方法对小柴胡汤进行了分析 ,基于方剂中药物的模糊相似关系讨论了小柴胡汤的配伍规律 ,得到了与传统中医理论完全相同的结论。

部分镇痛药的分子模拟及其量化计算

采用分子力学和量子化学方法对某些作用于脑啡肽酶的硫乙内酰脲衍生物 (YL -2、YL -12、YL -3和YL -11)的化学结构进行了分子模拟和量化计算。优化了各化合物的空间结构 ,得到了优势构象和优势构象的能量 ,研究了分子的电荷分布 ,前线轨道能量等。借助于理论计算可解释脑啡肽酶抑制剂的构效关系 ,对其活性差异给予较好的分析 ,可望为合成具有更高药效的无成瘾性镇痛药提供理论指导。

治疗高血压常用中药复方用药规律分析

目的:探讨中药复方治疗高血压的用药规律,为临床用药提供启示和帮助。方法:查阅了1980～2003年间有关治疗高血压的文献1102篇,收集了治疗高血压的中药复方1191个,建立了治疗高血压的中药复方 Access 数据库,基于数据库以Access、Excel 结合 VB 编程统计分析了关于中药复方治疗高血压的用药规律。结果:1191个中药复方中总共用药394味,共用药11371次,其中以补虚药、清热药、平肝熄风药、活血化瘀药为主。使用次数在50次以上的药对有192对,其中传统的中药药对有21对,运用中医配伍理论分析了前10对使用频率最高的药对的配伍原理。使用次数在50次以上的药组有30组,运用中医组方理论分析了前10组使用次数最高的药组的组方原理。结论:利用计算机技术进行大规模的数据统计,是寻找中药复方治疗高血压用药规律的有效方法。

1,3-二氢-1,3-二氧-2H-异吲哚类衍生物的合成及抗新生血管生成活性研究

根据整合素 αvβ3 受体内源性配基 RGD三肽构效关系和作用机制 ,以沙利度胺为先导化合物 ,设计并合成了 5个未见文献报道的 5 -羧基 -1 ,3-二氢 -1 ,3-二氧 -2 H-异吲哚类衍生物 ,其结构经元素分析、红外光谱及核磁共振谱确证 .体外初步生物活性筛选实验结果表明 ,部分目标物对脐静脉血管内皮细胞株 ( ECV30 4 )增殖有显著抑制活性 .

神经网络及其在药动学和药效学中的应用

神经网络是一种新型的信息处理系统和计算系统 ;它的应用日益渗透到许多领域 ,并引起了人们的广泛重视 .本文在简单介绍了神经网络、详细说明了神经网络的基本特征和基本结构的基础上 ,简要综述了国外将神经网络应用于药代动力学及药效学研究的方法和基本情况 ,说明了将神经网络应用于药代动力学及药效学的可行性 .

虎骨及其替代品的聚类分析和关联分析

目的探讨虎骨及其替代品之间的相互关系,为虎骨替代品的研究提供科学依据。方法应用模糊数学中的聚类分析和关联分析方法,对虎骨、熊骨、豹骨、黄牛骨、猪骨、狗骨和猫骨的15种微量元素和18种氨基酸含量进行分析。结果虎骨及其替代品的聚类分析和关联分析结果表明,在虎骨的替代品中,狗骨与虎骨最为接近。结论狗骨来源丰富,是虎骨的最佳替代品。

喹诺酮类抗生素的研究进展

喹诺酮类由于具有抗菌谱广 ,高效低毒的特点 ,因而发展迅速并已在临床广泛运用。本文系统论述了近年来关于喹诺酮类抗菌作用机理 ,构效关系的研究现状 ,临床药效学 /药动学评价及研究动向 ,并简述了喹诺酮类的发展前景。

α-氨基苯乙酮衍生物的合成及光引发性能测试

以氟苯为原料 ,经Friedel-Crafts酰化、α 卤代、环氧化、季铵化及Stevens重排和亲核取代反应 ,合成了 3种未见报道的α 氨基苯乙酮衍生物光引发剂 :1 对吗啉苯基 2 哌啶基 2 烯丙基 1 丁酮、1 对吗啉苯基 2 哌啶基 2 苄基 1 丁酮和 1 对哌啶苯基 2 哌啶基 2 烯丙基 1 丁酮。对产物的结构进行了表征 ,并将其用于清漆和色漆中 ,测试了光引发性能 ,实验结果表明 ,3种产物均能使涂层在 8～ 2 5s内固化 ,光引发性能优良。