CN101343779A - 一种新颖流感病毒神经氨酸酶抑制剂三维定量构效关系研究方法 - Google Patents

一种新颖流感病毒神经氨酸酶抑制剂三维定量构效关系研究方法 Download PDF

Info

Publication number
CN101343779A
CN101343779A CNA2008100701716A CN200810070171A CN101343779A CN 101343779 A CN101343779 A CN 101343779A CN A2008100701716 A CNA2008100701716 A CN A2008100701716A CN 200810070171 A CN200810070171 A CN 200810070171A CN 101343779 A CN101343779 A CN 101343779A
Authority
CN
China
Prior art keywords
atom
dimensional
variable
quantitative structure
analogue
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CNA2008100701716A
Other languages
English (en)
Inventor
梁桂兆
梅虎
李志良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University
Original Assignee
Chongqing University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University filed Critical Chongqing University
Priority to CNA2008100701716A priority Critical patent/CN101343779A/zh
Publication of CN101343779A publication Critical patent/CN101343779A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明属于药物分子设计研究领域。本发明公开一种新颖流感病毒神经氨酸酶抑制剂三维定量构效关系研究方法,包括如下步骤:a)将原子按族和杂化状态分类,从分子立体结构的原子相对距离和原子自身性质出发,经计算药物分子内部不同类型原子之间的静电、立体和疏水性质得三维原子场全息作用矢量;b)应用三维全息原子场作用矢量对酰基硫脲类似物的结构进行表征;c)用逐步回归技术挑选与酰基硫脲类似物活性密切相关的结构特征;d)用偏最小二乘法建立酰基硫脲类似物构效关系模型。该方法可以用于酰基硫脲类似物活性预测,分析其构效关系,设计针对流感病毒神经氨酸酶具有特定抑制活性的酰基硫脲类似物新品种提供依据。

Description

一种新颖流感病毒神经氨酸酶抑制剂三维定量构效关系研究方法
技术领域
本发明涉及一种药物定量构效关系研究方法,特别是一种流感病毒的神经氨酸酶抑制剂三维定量构效关系研究方法。
背景技术
流行性感冒病毒(简称流感病毒)是严重危害人类健康的一种急性病毒性呼吸道传染病。由于现有的预防及治疗流感的手段和药物缺乏,开发有效的抗流感病毒药物具有重要意义。在流感病毒的生命循环中,病毒表面的蛋白质血凝素和神经氨酸酶对于流感病毒的侵入和传播起着非常重要的作用,其中神经氨酸酶能催化裂解病毒蛋白末端神经氨酸残基与糖蛋白、糖脂和寡聚糖间的α-2酮基,从而促进新形成的病毒颗粒从感染细胞中分离与扩散。神经氨酸酶抑制剂已成为近年来开发抗流感药物的研究热点。目前,根据神经氨酸酶的晶体结构,已合理设计了许多选择性高、活性强的化合物,其中只有扎那米韦(Zanamivir)和奥塞米韦(Oseltamivir)通过美国食品与药物管理局批准上市。而上述两种药物也有各自的缺陷(Bioorg Med Chem,2006,14:8574-8581)。正在研究和开发中的神经氨酸酶抑制剂很多,研究发现酰基硫脲类似物具有神经氨酸酶抑制活性。如果能进一步优化结构,提高活性,酰基硫脲类似物有望成为一类新的高效抗流感药物,而定量构效关系研究是定量药物分子设计的一种重要方法,它对于设计和筛选生物活性显著的药物以及阐述药物的作用机理等具有指导作用。因而构建这些化合物的分子结构与生物活性之间的定量相关模型,对于研究、设计和开发出高效抗流感药物具有重要意义。
目前,定量构效关系可以分为二维和三维方面,前者可以处理多达成千化合物,但物化意义不明确,后者物化意义明确,但其参数计算复杂以及变量过多,因而限制了其广泛应用。因此,开发具有物化意义明确、操作简便、表征能力强以及拓展性能好的三维定量构效关系研究具有重要意义。
发明内容
有鉴于此,为了解决上述问题,本发明提供了一种新颖流感病毒神经氨酸酶抑制剂三维定量构效关系研究方法,能够用于酰基硫脲类似物的抑制活性预测,为进一步分析酰基硫脲类似物的构效关系,设计和开发具有特定抑制活性的抗流感病毒新药提供方法借鉴。
本发明的目的是这样实现的:一种新颖流感病毒神经氨酸酶抑制剂三维定量构效关系研究方法,包括如下步骤:
a)将原子按族和杂化状态分类,从分子立体结构的原子相对距离和原子自身性质出发,经计算药物分子内部不同类型原子之间的静电、立体和疏水性质得三维原子场全息作用矢量;
b)应用三维全息原子场作用矢量对酰基硫脲类似物的结构进行表征;
c)用逐步回归技术挑选与酰基硫脲类似物活性密切相关的结构特征;
d)用偏最小二乘法建立酰基硫脲类似物构效关系分析模型。
进一步,在于步骤a)具体包括如下步骤:
a1)按照原子所处周期表的IA、IVA、VA、VIA、VIIA共5个主族将其划分为5类;
a2)将不同主族中的原子按其杂化状态细分为10类;
a3)得到一个分子内部不同类别原子之间的55种相互作用情况;
a4)分别计算分子内原子之间的静电、立体和疏水三种势能,共得到55×3=165个原子作用项表征分子结构信息,称该作用项为三维全息原子场作用矢量;
进一步,步骤b)具体包括如下步骤:使用化学绘图软件Chemoffice 10.0中的Chem3D模块构建每个化合物的立体结构,用半经验量化程序MOPAC方法在AM1水平上优化得到分子结构(截断值0.001kJ/mol),并采用马利肯(Mulliken)法以单点形式计算原子电荷,将原子空间位置及电荷分别以笛卡儿坐标和净电荷数示之,用三维全息原子场作用矢量对分子结构进行表征,并将表征结果作为定量构效关系模型的自变量;
进一步,步骤c)具体包括如下步骤:用逐步回归技术进行变量筛选,按费歇尔显著性检验依次引入变量,以偏F检验值对应的显著水平值P为依据:当候选变量中最大偏F检验值的P≤0.05,则引入相应变量,在已进入方程的变量中,若其最小偏F检验值的P≥0.1时,则剔除相应变量,最终选出10个显著性变量进入模型;
进一步,步骤d)具体包括如下步骤:将酰基硫脲类似物的半抑制率IC50值转换为pIC50,以pIC50值作为定量构效模型的因变量,用偏最小二乘建立酰基硫脲类似物定量构效关系模型。
本发明的一种新颖流感病毒神经氨酸酶抑制剂三维定量构效关系研究方法,其中选取的三维全息原子场作用矢量物化意义明确、可解释性强、表征能力强、使用操作方便及拓展性能好;逐步回归方法能够较好地挑选与酰基硫脲类似物活性密切相关的结构变量参数;偏最小二乘方法集多元线性回归分析、典型相关分析和主成分分析的基本功能为一体,可分析包含多重共线性以及较大噪声的众多自变量;所建模型可以很好的体现酰基硫脲类似物的结构-功能关系,同时,模型具有较好的预测能力。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书,权利要求书,以及附图中所特别指出的结构来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:
图1是本发明的定量构效关系模型变量投影重要性示意图。
具体实施方式
以下将参照附图,对采用本发明的方法用于一组酰基硫脲类似物的定量构效关系分析为例进行详细的描述,包括以下步骤:
a)将原子按族和杂化状态分类,从分子立体结构的原子相对距离和原子自身性质出发,经计算药物分子内部不同类型原子之间的静电、立体和疏水性质得三维原子场全息作用矢量;
药物分子中常见的原子包括氢、碳、氮、磷、氧、硫、氟、氯、溴、碘,它们分别属于元素周期表的IA、IVA、VA、VIA、VIIA中的5个主族。因此,首先按照原子所处周期表的族将其划分为5大类。为了更好地表达分子细微结构特征,并考虑到同一族原子处于不同杂化状态时化学性质也有较大差异,在上述分类的基础上再进一步把不同主族中的原子按其杂化状态细分为10类,这样一个分子内部不同类别原子之间的相互作用情况就有55种,参见表1。
表1.10类原子及其55种相互作用情况
Figure A20081007017100081
分别采用静电、立体和疏水三种势能来表达不同的作用形式,最终对于一个有机分子将得到55×3=165个原子作用项来表征分子结构信息。静电作用通过库仑定律表达:
E mn ( E ) = Σ i ∈ m , j ∈ n e 2 4 π ϵ 0 · Z i · Z j r ij , ( 1 ≤ m ≤ 10 , m ≤ n ≤ 10 ) - - - ( 1 )
式(1)中E指静电作用,其中rij是原子间的Euclid距离,单位为
Figure A20081007017100083
e为单位电荷电量1.6021892×10-19C;ε0为真空中的介电常数8.85418782×10-12C2/J·m;Z为原子净电荷数,以电子为单位;m和n为原子所属种类。通过该式可以计算分子中所有原子间的静电作用能,并按原子对所属类型将其分别累加入55个静电作用项中。
立体作用以Lennard-Jones方程计算:
E mn ( S ) = Σ i ∈ m , j ∈ n ϵ ij · D · [ ( R ij * r ij ) 12 - 2 · ( R ij * r ij ) 6 ] , ( 1 ≤ m ≤ 10 , m ≤ n ≤ 10 ) - - - ( 2 )
式(2)中S指立体作用,εij=(εii·εjj)1/2为原子对势能阱深;D为原子间作用能校正常数,取0.01;Rij *=(Ch·Rii *+Ch·Rjj *)/2,为经过校正后的原子对范德华半径,校正因子Ch当sp3杂化时取1.00,sp2杂化取0.95,sp杂化时取0.90。
疏水作用采用hint方法描述:
E mn ( H ) = Σ i ∈ m , j ∈ n S i · a i · S j · a j · e - r ij · T ij , ( 1 ≤ m ≤ 10 , m ≤ n ≤ 10 ) - - - ( 3 )
式(3)中H指疏水作用;S为原子溶剂可及面积,是以水分子(范德瓦尔斯半径为1.4
Figure A20081007017100086
)为探针在原子表面滚动其球心形成的表面面积;a为原子疏水常数;T系二值判别函数,以表明不同类型原子疏水作用的熵效应变化方向。
分别计算分子的静电、立体与疏水性质后,将得到的参数定义为三维全息原子场作用矢量。
b)应用三维全息原子场作用矢量对酰基硫脲类似物的结构进行表征;
从文献(Bioorg Med.Chem,2006,14:8574)中选取一组酰基硫脲类似物作为研究体系。使用化学绘图软件Chemoffice 10.0构建每个化合物的立体结构,用Chem3D自带的半经验量子化学软件MOPAC在AM1水平上优化得到分子结构(截断值0.001kJ/mol),并采用马利肯(Mulliken)法以单点形式计算原子电荷,将原子空间位置及电荷分别以笛卡儿坐标和净电荷数示之,以C语言编写程序Super-3D.EXE进行结构表征,由于样本分子中只含有C、H、O、N、S、F、Cl七种原子类型,计算出的165个描述子中有33个为全零项,得到132个非零的描述子。其中V1~V55,V56~V110,V111~V165分别对应静电项、立体项、疏水项。将表征结果作为定量构效关系分析模型的自变量。
c)用逐步回归技术挑选与酰基硫脲类似物活性密切相关的结构特征;
用逐步回归进行变量筛选,按费歇尔(Fisher)显著性检验依次引入变量,以偏F检验值对应的显著水平值P为依据:当候选变量中最大偏F检验值的P≤0.05,则引入相应变量,在已进入方程的变量中,若其最小偏F检验值的P≥0.1时,则剔除相应变量,最终选出10个显著性变量(V155,V126,V2,V113,V56,V63,V41,V52,V60,V100)进入模型。
d)用偏最小二乘法建立酰基硫脲类似物构效关系模型;
将酰基硫脲类似物的半抑制率IC50值转换为pIC50,以pIC50值作为因变量,用偏最小二乘建立酰基硫脲类似物定量构效关系模型,以留一法交互检验的累计复相关系数Q2评价模型的预测能力,所建模型为:
pIC50=11.41-0.40V155-0.32V126-0.31V2-0.26V113    (4)
复相关系数R2=0.908,Q2=0.818,均方根误差RMS=0.201。
其中,V155表示sp2杂化N原子与F、Cl原子的疏水作用,V126表示sp3杂化C原子与sp杂化N原子的疏水作用,V2表示H原子与sp3杂化C原子的静电作用,V113表示H原子与sp2杂化C原子的疏水作用。由各系数知,疏水作用是影响活性的关键作用,其次是静电作用。而且它们都对pIC50起负贡献。从以上分析知,降低化合物的疏水作用,特别是sp2杂化N原子与sp3杂化的卤素原子间的疏水作用,对提高神经氨酸酶抑制活性相当重要,这给该类药物设计提供有用的启示。
图1显示模型的变量投影重要性(VIP)指标,其中,VIP越大,变量越重要。当VIP<0.50时,表明该变量不重要;VIP>1.00时,该变量对解释Y变量相当重要。图1显示,变量1即V155的VIP为1.22,说明其贡献最大,其他变量VIP均大于0.50,也显示出其重要性,这与前面的论证一致。
为了进一步检验模型预测能力,从上述总样本中随机选择24个作为训练集,其余6个作为预测集进行外部验证,预测结果如下(括号内为实验值):6.05(5.93),5.36(5.08),6.07(5.98),5.96(5.95),6.17(6.29),6.02(5.99),表明模型具有较强预测能力。
以上所述仅为本发明的优选实施例,并不用于限制本发明,显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (5)

1.一种新颖流感病毒神经氨酸酶抑制剂三维定量构效关系研究方法,其特征在于包括如下步骤:
a)将原子按族和杂化状态分类,从分子立体结构的原子相对距离和原子自身性质出发,经计算药物分子内部不同类型原子之间的静电、立体和疏水性质得三维原子场全息作用矢量;
b)应用三维全息原子场作用矢量对酰基硫脲类似物的结构进行表征;
c)用逐步回归技术挑选与酰基硫脲类似物活性密切相关的结构特征;
d)用偏最小二乘法建立酰基硫脲类似物构效关系模型。
2.根据权利要求1的一种新颖流感病毒神经氨酸酶抑制剂三维定量构效关系研究方法,其特征在于步骤a)具体包括如下步骤:
a1)按照原子所处周期表的IA、IVA、VA、VIA、VIIA共5个主族将其划分为5类;
a2)将不同主族中的原子按其杂化状态细分为10类;
a3)得到一个分子内部不同类别原子之间的55种相互作用情况;
a4)分别计算分子内原子之间的静电、立体和疏水三种势能,共得到55×3=165个原子作用项表征分子结构信息,称该作用项为三维全息原子场作用矢量。
3.根据权利要求2的一种新颖流感病毒神经氨酸酶抑制剂三维定量构效关系研究方法,其特征在于步骤b)具体包括:使用化学绘图软件Chemoffice10.0中的Chem3D模块构建每个化合物的立体结构,用半经验量化程序MOPAC方法在AM1水平上优化得到分子结构(截断值0.001kJ/mol),并采用马利肯(Mulliken)法以单点形式计算原子电荷,将原子空间位置及电荷分别以笛卡儿坐标和净电荷数示之,用三维全息原子场作用矢量对分子结构进行表征,并将表征结果作为定量构效关系模型的自变量。
4.根据权利要求3的一种新颖流感病毒神经氨酸酶抑制剂三维定量构效关系研究方法,其特征在于步骤c)具体包括如下步骤:用逐步回归技术进行变量筛选,按费歇尔显著性检验依次引入变量,以偏F检验值对应的显著水平值P为依据:当候选变量中最大偏F检验值的P≤0.05,则引入相应变量,在已进入方程的变量中,若其最小偏F检验值的P≥0.1时,则剔除相应变量,最终选出10个显著性变量进入模型。
5.根据权利要求1至4中任一项的一种新颖流感病毒神经氨酸酶抑制剂三维定量构效关系研究方法,其特征在于步骤d)具体包括如下步骤:将酰基硫脲类似物的半抑制率IC50值转换为pIC50,以pIC50值作为定量构效关系分析模型的因变量,用偏最小二乘建立酰基硫脲类似物定量构效关系模型。
CNA2008100701716A 2008-08-25 2008-08-25 一种新颖流感病毒神经氨酸酶抑制剂三维定量构效关系研究方法 Pending CN101343779A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CNA2008100701716A CN101343779A (zh) 2008-08-25 2008-08-25 一种新颖流感病毒神经氨酸酶抑制剂三维定量构效关系研究方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CNA2008100701716A CN101343779A (zh) 2008-08-25 2008-08-25 一种新颖流感病毒神经氨酸酶抑制剂三维定量构效关系研究方法

Publications (1)

Publication Number Publication Date
CN101343779A true CN101343779A (zh) 2009-01-14

Family

ID=40245892

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2008100701716A Pending CN101343779A (zh) 2008-08-25 2008-08-25 一种新颖流感病毒神经氨酸酶抑制剂三维定量构效关系研究方法

Country Status (1)

Country Link
CN (1) CN101343779A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101847179A (zh) * 2010-04-13 2010-09-29 中国疾病预防控制中心病毒病预防控制所 通过模型预测流感抗原的方法及应用
CN103646180A (zh) * 2013-12-19 2014-03-19 山东大学 一种通过量子化学方法构建定量构效关系模型来预测有机化合物急性毒性的方法
CN103705511A (zh) * 2014-01-14 2014-04-09 长沙理工大学 N-[5-(1,2,4-三唑-1-基)噻唑-2-基]脂肪酰胺的医药用途

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101847179A (zh) * 2010-04-13 2010-09-29 中国疾病预防控制中心病毒病预防控制所 通过模型预测流感抗原的方法及应用
CN103646180A (zh) * 2013-12-19 2014-03-19 山东大学 一种通过量子化学方法构建定量构效关系模型来预测有机化合物急性毒性的方法
CN103705511A (zh) * 2014-01-14 2014-04-09 长沙理工大学 N-[5-(1,2,4-三唑-1-基)噻唑-2-基]脂肪酰胺的医药用途

Similar Documents

Publication Publication Date Title
Wang et al. End-point binding free energy calculation with MM/PBSA and MM/GBSA: strategies and applications in drug design
Wan et al. Rapid, accurate, precise and reproducible ligand–protein binding free energy prediction
Dral et al. Semiempirical quantum-chemical orthogonalization-corrected methods: Benchmarks for ground-state properties
He et al. Characteristic sequences for DNA primary sequence
Atkovska et al. Multipose binding in molecular docking
Weinreich et al. Machine learning of free energies in chemical compound space using ensemble representations: Reaching experimental uncertainty for solvation
Foloppe et al. Intrinsic conformational energetics associated with the glycosyl torsion in DNA: a quantum mechanical study
Antony et al. Protein–ligand interaction energies with dispersion corrected density functional theory and high-level wave function based methods
Lind et al. Support vector machines for the estimation of aqueous solubility
Yang et al. New diagnostic of the most populated conformer of tetrahydrofuran in the gas phase
DeFusco et al. Solvent-induced shifts in electronic spectra of uracil
Bultinck et al. Atomic charges and the electrostatic potential are ill-defined in degenerate ground states
Liu et al. In silico identification of the potential drug resistance sites over 2009 influenza A (H1N1) virus neuraminidase
Burden et al. Relevance vector machines: sparse classification methods for QSAR
Sadiq et al. Automated molecular simulation based binding affinity calculator for ligand-bound HIV-1 proteases
Le et al. Molecular dynamics investigation of the bimolecular reaction BeH+ H2→ BeH2+ H on an ab initio potential-energy surface obtained using neural network methods with both potential and gradient accuracy determination
Zhang et al. Fastanova: an efficient algorithm for genome-wide association study
Kubecka et al. Quantum machine learning approach for studying atmospheric cluster formation
Giese et al. Parametrization of an orbital-based linear-scaling quantum force field for noncovalent interactions
Mullins Drug repurposing in silico screening platforms
Radak et al. Characterization of the three-dimensional free energy manifold for the uracil ribonucleoside from asynchronous replica exchange simulations
Gupta et al. Toxicity prediction of small drug molecules of androgen receptor using multilevel ensemble model
Garcia et al. Structural, electronic, and vibrational properties of amino-adamantane and rimantadine isomers
CN101343779A (zh) 一种新颖流感病毒神经氨酸酶抑制剂三维定量构效关系研究方法
Marefat Khah et al. Analytic excited state gradients for the QM/MM polarizable embedded second-order algebraic diagrammatic construction for the polarization propagator PE-ADC (2)

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Open date: 20090114