取代基物化参数用于2-苯基吲哚衍生物构效关系的研究

用取代基电性、立体性和疏水性物化参数对2-苯基吲哚衍生物进行了结构表征,并对化合物与雌激素受体相对亲和力进行定量结构活性相关(QSAR)研究。经逐步回归筛选变量后,所建多元线性回归方程的复相关系数R2及留一法交互检验相关系数R2cv分别为0.900和0.662。用预测集样本进行了外部预测,所得外部预测样本集复相关系数Re2xt和外部预测集交互检验Q2ext分别为0.896 6和0.897 4。模型结果显示:吲哚环1号N原子上立体效应强的取代基有利于亲和力的提高;而吲哚环1号N原子和3号C原子上电性强的取代基、2-苯基环上4′号位置有羟基取代等,均对化合物亲和力的提高不利。

取代基物化参数及其在药物定量构效关系中的应用

把取代基电性、立体及疏水性物化参数组合建立一种新取代基描述方法,对环尿素类和N,N-二甲基-2-溴苯乙胺类衍生物进行结构表征.对训练样本集通过逐步回归筛选变量,所建多元线性回归方程R2分别为0.853和0.960,留一法交互检验Rc2v分别为0.723和0.901;用预测集样本作外部预测,所得Qe2xt分别为0.7617和0.7653.结果显示:环尿素类化合物结构中苯环邻位立体、间位疏水、对位疏水及立体因素对该类药物抗HIV活性产生阻抑作用;N,N-二甲基-2-溴苯乙胺类苯环上取代基立体因素及对位给电子效应有利于提高肾上腺素能阻断活性.

取代基物化参数用于HEPT类HIV-1逆转录酶抑制剂的QSAR研究

用描述取代基电性、立体性和疏水性的物化参数对6-苯硫基取代胸腺嘧啶HETP类化合物进行了结构表征,并对化合物抑制H IV-1逆转录酶的活性进行了QSAR研究。经逐步回归筛选变量后,所建多元线性回归方程复相关系数R2及留一法交互检验R2cv分别为0.904和0.848 7。用预测集样本进行外部预测所得R2ext和Q2ext分别为0.928 9和0.929 4。结果表明,影响化合物活性的主要因素是嘧啶环5位X取代基,其电性和疏水性参数值越小,阻抑能力越强。

分子电性距离矢量(MEDV)用于醇的分子结构表达和物理性质预测

分子电性距离矢量 (MEDV) 是一种描述分子二维结构的拓扑描述子, 由 4 种类型原子间的相互作用得到的10个元素组成. 通过引入原子属性和原子类型的概念, 适用于含多个杂原子、饱和键与不饱和键、环和非环等结构特征. 基于MEDV, 对多种醇的沸点 (BP)、水溶性 [lg(1/S)]、醇/水分配系数 (lgP)、分子总表面积 (TSA)、分子体积 (MV) 和分子折射率 (MR) 等6种物理性质建立了多元线性回归模型, 其相关系数分别达到0. 9972, 0. 9925, 0 .9975, 0. 9998, 0 .9997 和 0 .9999, 标准偏差分别为 3. 2660, 0 .1373, 0. 1237, 0. 0184,1 0354和0 2084. 采用留一法交互检验验证模型对外部样本的预测能力, 对水溶性的相关系数为0. 9714, 其余的均在0 .99以上. 分子建模结果显示, MEDV具有很高的化学结构选择性和优良的物理化学性质相关性.

酚类化合物色谱保留指数的估计与预测

用根据非氢原子类型分类、基于非氢原子相对电负性和非氢原子间距离等进行计算得到的分子电性距离矢量(MEDV)为描述子,对酚类化合物结构进行表征.用多元线性回归(MLR)方法,研究并建立了酚类化合物定量结构-色谱保留(QSRR)关系的10变量模型,其相关系数为0.9512;采用SPSS统计处理软件对变量进行逐步回归(SMR)筛选后,建立了8变量的QSRR模型,其相关系数为0.9508.上述模型对102种酚类化合物色谱保留的预测值与实验值能较好吻合,留一法交互检验的结果分别为Rcv=0.9269和Rcv=0.9377.结果表明所建模型具有良好的稳定性和预测能力.

单质子化蛋白质肽段结构表达及其离子迁移谱碰撞截面定量预测

基于分子二维图形特征提出一种新型结构参数化方法:分子电性作用矢量(MEI);应用于考察107个单质子化肽段样本集结构表征及离子迁移谱碰撞截面模拟和预测及严格检验,所得3个模型回归建模及留一法交叉验证复相关系数(R和Q)分别为:R=Rcu=0.983,0.981,0.980和Q=Rcv=0.979,0.979,0.978。MEI对复杂有机分子结构表达准确且性质预测良好。

分子电性距离矢量(MEDV-B)用于二肽的分子结构表征与生物功能预测

使用从分子一级拓扑结构出发、结合分子中非氢原子电性和键连属性以及原子间相对距离的分子电性距离矢量(MEDV-B),对58个血管紧张素转化酶(ACE)抑制剂二肽和48个苦味(BT)二肽进行定量结构活性相关(QSAR)研究,用多元线性回归建立矢量描述子与活性观测值间相关模型,并用留一法交互校验(LOO-CV)检验其预测力,取得较满意的结果(ACE:n=58,m=10,R=0.894,Rcv=0.818;BT:n=48,m=10,R=0.947,R=0.898);再用逐步回归对变量进行筛选与优化,建立新模型,稳定性与预测力得到进一步改善(AACE:n=58,m=5,R=0.859,Rcv=0.824;BT:n=48,m=5,R= 0.931,Rcv=0.908)。结果表明:该矢量描述子可用于二肽结构表征与生物功能预测,且计算简便。