畢業(yè)論文抗結(jié)核病藥物的3d-qsar定量結(jié)構(gòu)性質(zhì)關(guān)系研究

1、<p>　　抗結(jié)核病藥物的3D-QSAR定量結(jié)構(gòu)性質(zhì)關(guān)系研究</p><p><b>　　摘 要</b></p><p>　　采用三維全息原子場(chǎng)作用矢量(3D-HoVAIF)和基于虛擬蛋白質(zhì)受體原子探針的分子表面隨機(jī)采樣分析(RaSMS)對(duì)25個(gè)查耳酮類抗結(jié)核病藥物進(jìn)行定量構(gòu)效關(guān)系(QSAR)研究。運(yùn)用多元線性回歸(Multiple linear regre

2、ssion, MLR)及偏最小二乘回歸(partial least square regression, PLS)建模，同時(shí)采用內(nèi)部及外部雙重驗(yàn)證的辦法對(duì)所得模型穩(wěn)定性能進(jìn)行了深入分析和檢驗(yàn)。采用3D-HoVAIF 的MLR及PLS建模的復(fù)相關(guān)系數(shù)(Rcum2)、留一法(leave-one-out, LOO)交互校驗(yàn)(cross-validation, CV)復(fù)相關(guān)系數(shù)(QLOO2)和外部樣本校驗(yàn)復(fù)相關(guān)系數(shù)(Qext2)分別為0.984

3、、0.920、0.808和0.998、0.975、0.903；采用RaSMS分別為 0.975、0.914、0.764和0.926、0.905、0.829。結(jié)果表明，3D-HoVAIF和RaSMS都有較好表征抗結(jié)核藥物分子結(jié)構(gòu)信息，因而能建立具有良好穩(wěn)定性和預(yù)測(cè)能力的QSAR模型。</p><p>　　關(guān)鍵詞：體外抗菌活性，抗結(jié)核病藥物，三維全息原子場(chǎng)作用矢量，比較分子/虛擬受體相互作用分析法，定量構(gòu)效關(guān)系<

4、;/p><p>　　Anti-TB drugs by 3D-QSAR Quantitative Structure-Property Relationship Study</p><p><b>　　ABSTRACT</b></p><p>　　A newly developed three-dimensional holographic vect

5、or of atomic interaction field (3D-HoVAIF) and Protein-based virtual surface receptor molecule atom probe analysis of random sampling (RaSMS) were used to describe the chemical structures of 25 Chalcone as antituberculos

6、is agents. Here quantitative structure activity relationship (QSAR) models were built by Multiple linear regression （MLR） and partial least square regression (PLS). The estimation stability and generalization ability of

7、these mo</p><p>　　KEY WORDS: in vitro antibacterial activity, anti-tuberculosis drug, three-dimensional holographic vector of atomic interaction field, quantitative (3D-HoVAIF), Protein-based virtual surface

8、 receptor molecule atom probe analysis of random sampling (RaSMS), structure-activity relationship (QSAR)</p><p><b>　　目 錄</b></p><p><b>　　摘 要I</b></p><p>　　

9、ABSTRACTII</p><p><b>　　1 引 言1</b></p><p>　　1.1 結(jié)核病和抗結(jié)核病藥物簡(jiǎn)介1</p><p>　　1.1.1 結(jié)核病簡(jiǎn)介1</p><p>　　1.1.2 抗菌活性1</p><p>　　1.1.3 抗結(jié)核病藥物的發(fā)展歷史1</p

10、><p>　　1.1.4 抗結(jié)合藥物回顧2</p><p>　　1.1.5 抗結(jié)核新藥研究開(kāi)發(fā)的現(xiàn)狀2</p><p>　　1.2計(jì)量化學(xué)簡(jiǎn)介4</p><p>　　1.3 計(jì)算機(jī)輔助藥物分子設(shè)計(jì)的基本理論與方法5</p><p>　　1.3.1 計(jì)算機(jī)藥物輔助設(shè)計(jì)的基本理論5</p><p&

11、gt;　　1.3.2 常用的計(jì)算機(jī)輔助藥物設(shè)計(jì)方法5</p><p>　　1.4 定量構(gòu)效關(guān)系研究5</p><p>　　1.4.1 定量構(gòu)效關(guān)系研究的基本理論5</p><p>　　1.4.2 定量構(gòu)效關(guān)系研究的發(fā)展6</p><p>　　1.4.3 定量構(gòu)效關(guān)系研究的意義7</p><p>　　1.4.4

12、 定量構(gòu)效關(guān)系的研究現(xiàn)狀7</p><p><b>　　2 原理與方法9</b></p><p>　　2.1 三維全息原子場(chǎng)作用矢量(3D-HoVAIF)的基本概念及相關(guān)計(jì)算9</p><p>　　2.2 基于虛擬蛋白質(zhì)受體原子探針的分子表面隨機(jī)采樣分析(RaSMS)的基本概念及相關(guān)計(jì)算15</p><p>　　

13、2.2.1 蛋白質(zhì)受體原子探針15</p><p>　　2.2.2 虛擬受體可及表面16</p><p>　　2.2.3 藥物分子中常見(jiàn)原子分類17</p><p>　　2.2.4 探針原子與藥物配體的作用模式17</p><p>　　2.2.5 RaSMS實(shí)現(xiàn)過(guò)程18</p><p>　　2.3 多元線性回

14、歸原理19</p><p>　　2.4 偏最小二乘法原理20</p><p>　　3 模型的建立與檢驗(yàn)22</p><p>　　3.1 數(shù)據(jù)采集22</p><p>　　3.2 變量篩選23</p><p>　　3.3 多元線性回歸建模24</p><p>　　3.3.1模型的建立

15、24</p><p>　　3.3.2 模型的檢驗(yàn)26</p><p>　　3.4 偏最小二乘建模27</p><p>　　3.4.1 模型的建立27</p><p>　　3.4.2 模型的檢驗(yàn)30</p><p><b>　　4 結(jié)論33</b></p><p>

16、<b>　　致 謝34</b></p><p>　　參 考 文 獻(xiàn)35</p><p><b>　　1 引 言</b></p><p>　　1.1 結(jié)核病和抗結(jié)核病藥物簡(jiǎn)介</p><p>　　1.1.1 結(jié)核病簡(jiǎn)介</p><p>　　結(jié)核病(tuberculosis,

17、 TB)是結(jié)核分枝桿菌(Mycobacterium tuberculosis, MTB)引起的感染性疾病，可侵犯全身各器官，以肺結(jié)核最為多見(jiàn)。它是一種發(fā)展緩慢、如果不加治療能導(dǎo)致長(zhǎng)期健康不良及死亡的疾病。</p><p>　　結(jié)核病在過(guò)去被稱為“癆病”。它是由于感染結(jié)核桿菌而引起的一種慢性傳染病。它傳染性強(qiáng)，散播面廣，而且不分地域、季節(jié)均可能發(fā)生。結(jié)核病主要是通過(guò)空氣傳播的呼吸道傳染病，此外還可以通過(guò)消化道、皮膚

18、、胎盤(pán)和生殖器等途徑傳染。對(duì)人類來(lái)說(shuō)，普遍對(duì)結(jié)核菌易感，但感染后是否發(fā)病決定于結(jié)核菌的毒力、數(shù)量以及人體抵抗力。尤其是人體的抵抗力減退，就容易發(fā)生結(jié)核病[1]。</p><p>　　全球有1/3人口感染了結(jié)核桿菌，其中99%的結(jié)核病死亡者分布在發(fā)展中國(guó)家?；疾÷矢?、死亡率高、耐藥率高、年遞降率低是結(jié)核病近年的疫情特征。100多年以來(lái)，雖有不少抗結(jié)核病藥物被發(fā)現(xiàn)，但每年仍有30萬(wàn)人死于結(jié)核病，其中主要是14～55歲

19、的青年和中年人。近幾年，結(jié)核發(fā)病率有上升趨勢(shì)。據(jù)專家預(yù)測(cè)，如不采取有力措施，未來(lái)10年內(nèi)全球?qū)⒂?000萬(wàn)人死于結(jié)核病。全球每年有1%的人被結(jié)核桿菌感染，現(xiàn)有活動(dòng)性肺結(jié)核病人2000萬(wàn)，每10秒鐘就有1人死于結(jié)核病，每4秒鐘就有1人患上結(jié)核病。我國(guó)現(xiàn)有活動(dòng)性肺結(jié)核病人600萬(wàn)，每年因結(jié)核病死亡25萬(wàn)人。</p><p>　　1.1.2 抗菌活性</p><p>　　抗菌活性是指抗菌藥抑制或

20、殺滅病原微生物的能力?？捎皿w外抑菌試驗(yàn)和體內(nèi)實(shí)驗(yàn)治療法測(cè)定。體外抑菌實(shí)驗(yàn)對(duì)臨床用藥具有重要參考意義。能夠抑制培養(yǎng)基內(nèi)細(xì)菌生長(zhǎng)的最低濃度為最小抑菌濃度（minimal inhibitory concentration, MIC）。以殺滅細(xì)菌為評(píng)定標(biāo)準(zhǔn)時(shí)，使活菌總數(shù)減少99%或99.5%以上，稱為最小殺菌濃度（minimal bactericidal concentration, MBC）。在一批實(shí)驗(yàn)中能抑制50%或90%受試菌所需MIC，

21、分別稱為MIC50及MIC90?？咕幍囊志饔煤蜌⒕饔檬窍鄬?duì)，有些抗菌藥在低濃度時(shí)呈抑菌作用，而高濃度呈殺菌作用。</p><p>　　1.1.3 抗結(jié)核病藥物的發(fā)展歷史</p><p>　　最早出現(xiàn)的有效抗結(jié)核藥物當(dāng)數(shù)鏈霉素(SM)。它發(fā)現(xiàn)于20世紀(jì)40年代，當(dāng)時(shí)單用SM治療肺結(jié)核2～3個(gè)月后就可使臨床癥狀和X線影像得以改善，并可暫獲痰菌陰轉(zhuǎn)。對(duì)氨水楊酸(PAS)被應(yīng)用于臨床后發(fā)現(xiàn)，

22、SM加PAS的治療效果優(yōu)于單一用藥，而且可以防止結(jié)核分支桿菌產(chǎn)生耐藥性。發(fā)明異煙肼(INH)后，有人單用INH和聯(lián)用INH+PAS或SM進(jìn)行對(duì)比治療試驗(yàn)，再一次證明了聯(lián)合用藥的優(yōu)勢(shì)。于是在此基礎(chǔ)上產(chǎn)生了著名的結(jié)核病“標(biāo)準(zhǔn)”化療方案，即SM+INH+PAS，療程一年半至兩年，并可根據(jù)藥源和患者的耐受性將PAS替換為乙胺丁醇(EMB)或氨硫脲(TB1)，俗稱“老三化”。20世紀(jì)70年代隨著利福平(RFP)在臨床上的應(yīng)用以及對(duì)吡嗪酰胺(PZA

23、)的重新認(rèn)識(shí)，在經(jīng)過(guò)大量的實(shí)驗(yàn)后，短程化療成為結(jié)核病治療的最大熱點(diǎn)，并取得了令人矚目的成就。</p><p>　　1.1.4 抗結(jié)合藥物回顧</p><p>　　自1944年發(fā)現(xiàn)鏈霉素，20世紀(jì)50～60年代發(fā)現(xiàn)異煙肼與利福平以來(lái)，相繼有多種抗結(jié)核藥問(wèn)世。根據(jù)抗菌作用強(qiáng)弱可分為:1)具有殺菌作用的藥物。如異煙肼、利福平、鏈霉素、卡那霉素、卷曲霉素、乙硫異煙胺、吡嗪酰胺等。2)具有一定殺菌作

24、用的藥物。如氧氟沙星、左氧氟沙星等喹諾酮類抗菌藥。3)具有抑菌作用的藥物。如乙胺丁醇、環(huán)絲氨酸、對(duì)氨基水楊酸等。按臨床應(yīng)用可分為一線與二線抗結(jié)核藥。前者有異煙肼（NH）、利福平（RFP）、鏈霉素（SM）、吡嗪酰胺（PZA）、乙胺丁醇（EB）；后者有乙硫異煙胺（ETH）、卡那霉素（KM）、環(huán)絲氨酸（CS）、卷曲霉素（CPM）、氨硫脲（TBL）、對(duì)氨基水楊酸（PAS）、氧氟沙星（OFLX）[2]。</p><p>　

25、　1.1.5 抗結(jié)核新藥研究開(kāi)發(fā)的現(xiàn)狀</p><p>　　近年來(lái)抗結(jié)核藥物的研究開(kāi)發(fā)獲得進(jìn)一步的發(fā)展，發(fā)現(xiàn)了一些有苗頭的新化合物，開(kāi)發(fā)的前景也很廣闊。</p><p><b>　　1) 利福霉素類</b></p><p>　　利福噴丁于1998年在美國(guó)獲得批準(zhǔn)用于治療結(jié)核病。利福布丁獲準(zhǔn)用于HIV合并結(jié)核病不能應(yīng)用利福平的患者。苯并口惡嗪利福

26、霉素(rifalazil, KRM-1648, RLZ)比利福平具有更強(qiáng)的殺菌作用，對(duì)結(jié)核分枝桿菌的MIC比利福平強(qiáng)64倍，而半衰期長(zhǎng)60h，在小鼠結(jié)核病治療實(shí)驗(yàn)中RLZ加吡嗪酰胺的聯(lián)合滅菌效果可與異煙肼與利福平的聯(lián)合治療效果相比擬，而在停藥后復(fù)發(fā)率更低?，F(xiàn)進(jìn)入Ⅱ期臨床研究。但利福霉素類藥物存在交叉耐藥性，且有動(dòng)物實(shí)驗(yàn)結(jié)果表明它們均對(duì)MDR-TB無(wú)效。</p><p>　　2) 氟喹諾酮類(FQs)</p&

27、gt;<p>　　研究發(fā)現(xiàn)本類中第三代、第四代氟喹諾酮類藥物中有不少具有較強(qiáng)的抗結(jié)核分枝桿菌活性，對(duì)非結(jié)核分枝桿菌亦有作用，目前環(huán)丙沙星、氧氟沙星、左氧氟沙星等成為治療MDR-TB的主要選擇藥物。莫西沙星(moxiflox acin) ( MIC 0. 25 Lg/ ml)[3]、加替沙星(gatiflox acin) (0. 25Lg/ml)[4]和加侖諾沙星(garenox acin)等第四代FQs顯示更強(qiáng)的抗結(jié)核活性

28、，具有一定的開(kāi)發(fā)潛力。</p><p>　　3) 新大環(huán)內(nèi)酯類藥物(克拉霉素、阿奇霉素、羅紅霉素)</p><p>　　這類藥物是紅霉素的衍生物，抗分枝桿菌的作用機(jī)制是菌體內(nèi)核糖體的SOS亞基可逆性結(jié)合，干擾蛋白質(zhì)的合成。其中羅紅霉素抗結(jié)核分枝桿菌作用最強(qiáng)。與利福平和異煙肼有協(xié)同作用。此類藥物有良好的藥動(dòng)學(xué)特征，口服易吸收，組織穿透性好，組織細(xì)胞內(nèi)濃度高于血藥濃度，并有中等長(zhǎng)的半衰期，新大

29、環(huán)內(nèi)酯類藥物主要用于非結(jié)核分枝桿菌感染和耐多藥結(jié)核病的治療。</p><p><b>　　4) 惡唑烷酮類</b></p><p>　　本類屬于新型的合成抗菌劑，具有廣譜的抗分枝桿菌作用，作用機(jī)制是通過(guò)與50S核糖體亞單位相結(jié)合抑制細(xì)菌蛋白質(zhì)的合成，目前正從中開(kāi)發(fā)抗革蘭陽(yáng)性耐藥菌和抗分枝桿菌的新藥。其中PNU-100480在治療小鼠結(jié)核感染中證實(shí)其療效，劑量100 m

30、g/kg時(shí)與異煙肼25 mg/kg的效果相當(dāng)，此外在合并的實(shí)驗(yàn)中發(fā)現(xiàn)其作用與異煙肼或利福平在不同實(shí)驗(yàn)中的活性[5]。另一藥利奈唑酮(Linezolid)在小鼠實(shí)驗(yàn)治療中比PNU-100480和異煙肼稍差，已試用于耐藥結(jié)核病的治療并取得明顯的療效[6]，但因有血液學(xué)毒性等及價(jià)格昂貴等問(wèn)題而受限。</p><p>　　5) 硝基咪唑并吡喃類</p><p>　　源于20世紀(jì)70年代印度研究者的

31、發(fā)現(xiàn)，CGI-17341對(duì)耐藥結(jié)核分枝桿菌的MIC為0.1～0.3 Lg/ml，體外抗結(jié)核活性近于異煙肼、利福平，動(dòng)物實(shí)驗(yàn)結(jié)果亦然，與其他抗結(jié)核藥物無(wú)交叉耐藥，是有希望的抗結(jié)核藥，正處于Ⅰ期臨床研究階段。本類中篩選出硝基咪唑并吡喃有效化合物PA-824對(duì)敏感結(jié)核分枝桿菌和單耐利福平結(jié)核分之桿菌的MIC是0.015～0.25 Lg/ml，多耐藥結(jié)核分枝桿菌對(duì)PA-824同樣敏感，與現(xiàn)有的抗結(jié)核藥物無(wú)交叉耐藥性[7]。體外實(shí)驗(yàn)發(fā)現(xiàn)PA-82

32、4在低氧環(huán)境下培養(yǎng)的非復(fù)制期結(jié)核分枝桿菌模型中有作用，其活性類似于甲硝唑，明顯強(qiáng)于CGI-17341和異煙肼(異煙肼對(duì)此模型中的結(jié)核分枝桿菌無(wú)作用)。應(yīng)用結(jié)核分枝桿菌報(bào)告熒光素酶表達(dá)的菌株的短期小鼠感染模型對(duì)50種以上的NAPs化合物的體內(nèi)活性測(cè)定時(shí)發(fā)現(xiàn)，雖然PA-824的體外抗結(jié)核活性不是最強(qiáng)的， 但在口服25 mg/kg劑量下具有最強(qiáng)的體內(nèi)活性，說(shuō)明PA-824具有較NAPs中其他化合物良好的藥動(dòng)學(xué)特征。急性動(dòng)物毒性實(shí)驗(yàn)LD50是1

33、000 mg/kg，500 mg/kg連續(xù)口服28d，未出現(xiàn)明顯不良反應(yīng)。PA-824對(duì)</p><p><b>　　6) 吩噻嗪類</b></p><p>　　氯法齊明(氯苯吩嗪，clofazimine, CFM)是一種用于麻風(fēng)病的藥物，近年來(lái)開(kāi)始試用于耐藥結(jié)核病的治療。CFM是一種吩嗪染料，通過(guò)與分枝桿菌的DNA結(jié)合抑制轉(zhuǎn)錄而產(chǎn)生抑制分枝桿菌生長(zhǎng)的效果。硫利達(dá)嗪(

34、thioridazine)[9]是抗精神病藥，服藥后耐受性較好，氯丙嗪對(duì)敏感菌及耐藥菌均有效在體外減慢結(jié)核分枝桿菌的生長(zhǎng)。此類藥物對(duì)人體結(jié)核病的治療作用尚有待進(jìn)一步研究。</p><p>　　7) 脂肪酸和分枝菌酸合成的抑制劑是抗結(jié)核藥物開(kāi)發(fā)的一個(gè)新領(lǐng)域。硫內(nèi)酯霉素(thio lactomy cin, TLM)在試管內(nèi)小鼠巨噬細(xì)胞模型中顯示，TLM有殺滅細(xì)胞內(nèi)結(jié)核分枝桿菌作用并呈劑量依賴性。辛磺?；阴０?N-o

35、ctanesulfony lacetamide, OSA)對(duì)耐異煙肼和多耐藥結(jié)核分枝桿菌的MIC分別為6.25和12.5 Lg/ ml。</p><p>　　8) 硫乙酰霉素[10]Glax o-Smithkline公司抗結(jié)核藥項(xiàng)目執(zhí)行董事Duncan博士稱，公司正與美國(guó)國(guó)立衛(wèi)生研究所(NIH)合作開(kāi)發(fā)一種天然抗結(jié)核藥物——硫乙酰霉素，這種低分子量化合物在體內(nèi)和體外均具有抗結(jié)核能力，對(duì)耐藥結(jié)核分枝桿菌亦有作用，該

36、研制始于2001年，進(jìn)入臨床應(yīng)用可能尚需數(shù)年[11]。</p><p><b>　　1.2計(jì)量化學(xué)簡(jiǎn)介</b></p><p>　　又稱化學(xué)統(tǒng)計(jì)學(xué)，數(shù)學(xué)、統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)與化學(xué)結(jié)合而形成的化學(xué)分支學(xué)科。它應(yīng)用數(shù)學(xué)、統(tǒng)計(jì)學(xué)和其他方法和手段（包括計(jì)算機(jī)）選擇最優(yōu)試驗(yàn)設(shè)計(jì)和測(cè)量方法，并通過(guò)對(duì)測(cè)量數(shù)據(jù)的處理和解析，最大限度地獲取有關(guān)物質(zhì)系統(tǒng)的成分、結(jié)構(gòu)及其他相關(guān)信息。<

37、;/p><p>　　化學(xué)計(jì)量學(xué)是瑞典Umea大學(xué)S.沃爾德(S.Wold)在1971年首先提出來(lái)的。1974年美國(guó)B.R.科瓦斯基和沃爾德共同倡議成立了化學(xué)計(jì)量學(xué)學(xué)會(huì)?；瘜W(xué)計(jì)量學(xué)在80年代有了較大的發(fā)展，各種新的化學(xué)計(jì)量學(xué)算法的基礎(chǔ)及應(yīng)用研究取得了長(zhǎng)足的進(jìn)展，成為化學(xué)與分析化學(xué)發(fā)展的重要前沿領(lǐng)域。它的興起有力地推動(dòng)了化學(xué)和分析化學(xué)的發(fā)展，為分析化學(xué)工作者優(yōu)化試驗(yàn)設(shè)計(jì)和測(cè)量方法、科學(xué)處理和解析數(shù)據(jù)并從中提取有用信息，開(kāi)

38、拓了新的思路，提供了新的手段。 </p><p>　　化學(xué)計(jì)量學(xué)的研究對(duì)象是有關(guān)化學(xué)量測(cè)的基礎(chǔ)理論和方法學(xué)。它所研究的內(nèi)容包括：統(tǒng)計(jì)學(xué)和統(tǒng)計(jì)方法；分析信息理論；采樣；試驗(yàn)優(yōu)化與設(shè)計(jì)；分析校正理論；分析信號(hào)檢測(cè)和分析信號(hào)處理；化學(xué)模式識(shí)別；圖像分析；構(gòu)效關(guān)系研究；人工智能和專家系統(tǒng)；人工神經(jīng)元網(wǎng)絡(luò)與自適應(yīng)化學(xué)模式識(shí)別；庫(kù)檢索等。其任務(wù)是研究有關(guān)化學(xué)測(cè)量的理論與方法學(xué)，應(yīng)用數(shù)學(xué)、統(tǒng)計(jì)學(xué)與信息理論、計(jì)算機(jī)科學(xué)的方法和手

39、段，科學(xué)地設(shè)計(jì)化學(xué)實(shí)驗(yàn)，選擇最優(yōu)的測(cè)量方法，最有效地獲取體系有用的特征數(shù)據(jù)，并通過(guò)解析測(cè)量數(shù)據(jù)最大限度地從中提取有關(guān)物質(zhì)的定性、定量、形態(tài)、結(jié)構(gòu)等信息。它是一門正在發(fā)展的新興學(xué)科，其主要研究?jī)?nèi)容包括統(tǒng)計(jì)學(xué)與統(tǒng)計(jì)方法、校正理論、模型估計(jì)和參數(shù)估計(jì)、實(shí)驗(yàn)設(shè)計(jì)和優(yōu)化方法、分析信號(hào)處理、化學(xué)模式識(shí)別、定量構(gòu)效關(guān)系、人工智能和專家系統(tǒng)、軟件和庫(kù)檢索等。</p><p>　　1.3 計(jì)算機(jī)輔助藥物分子設(shè)計(jì)的基本理論與方法&l

40、t;/p><p>　　1.3.1 計(jì)算機(jī)藥物輔助設(shè)計(jì)的基本理論</p><p>　　隨著生命科學(xué)和信息科學(xué)的快速發(fā)展，21世紀(jì)創(chuàng)新藥物研究以全新的面貌出現(xiàn)。以化學(xué)、生物學(xué)、數(shù)學(xué)和計(jì)算機(jī)科學(xué)為基礎(chǔ)的計(jì)算機(jī)輔助藥物分子設(shè)計(jì)[12](computer-aideddrug design, CADD)在藥物研發(fā)中起著重要的作用，是藥物研究的主要技術(shù)之一，已成為國(guó)際上十分活躍的科學(xué)研究領(lǐng)域。</p&

41、gt;<p>　　計(jì)算機(jī)輔助藥物設(shè)計(jì)以計(jì)算機(jī)為工具，根據(jù)前人積累的有關(guān)生物活性物質(zhì)結(jié)構(gòu)與功能的資料，以及受體在生物體內(nèi)的作用靶點(diǎn)，采用各種理論計(jì)算方法和分子圖形模擬技術(shù)，設(shè)計(jì)出具有特定藥效的藥物分子。計(jì)算機(jī)輔助藥物設(shè)計(jì)方法可以用于研究配體和受體復(fù)合物的構(gòu)型和立體化學(xué)特征、藥物與受體的結(jié)合模式和特異性、藥物分子的活性基團(tuán)和藥效團(tuán)模型等，為改進(jìn)現(xiàn)有的生物活性物質(zhì)的結(jié)構(gòu)并設(shè)計(jì)出新的藥物分子提供理論指導(dǎo)和思路[13]。</p

42、><p>　　1.3.2 常用的計(jì)算機(jī)輔助藥物設(shè)計(jì)方法</p><p>　　計(jì)算機(jī)輔助藥物設(shè)計(jì)是基于對(duì)藥物和受體間相互作用的理解和研究。根據(jù)生物大分子（受體）是否已知把計(jì)算機(jī)輔助藥物設(shè)計(jì)方法分為兩類[14]，一類是基于配體的藥物設(shè)計(jì)，另一類是基于受體結(jié)構(gòu)的藥物設(shè)計(jì)。</p><p>　　基于配體的藥物設(shè)計(jì)方法主要是針對(duì)未知受體結(jié)構(gòu)的藥物分子的設(shè)計(jì)，主要包括定</p

43、><p>　　量構(gòu)效關(guān)系方法[15]、藥效基團(tuán)模型方法以及類藥性分析方法這三種方法?；谑荏w結(jié)構(gòu)的藥物設(shè)計(jì)是通過(guò)各種計(jì)算化學(xué)和分子圖形學(xué)的方法來(lái)研究受體與配體的結(jié)合模式和特征，探討影響配體與受體結(jié)合的關(guān)鍵分子間作用；結(jié)合系統(tǒng)能量和分項(xiàng)能量的分析計(jì)算以發(fā)現(xiàn)選擇性作用于靶點(diǎn)的配體分子?；谑荏w結(jié)構(gòu)的藥物設(shè)計(jì)包括活性位點(diǎn)分析法、數(shù)據(jù)庫(kù)搜尋法和全新藥物設(shè)計(jì)。</p><p>　　1.4 定量構(gòu)效關(guān)系研

44、究</p><p>　　1.4.1 定量構(gòu)效關(guān)系研究的基本理論</p><p>　　狹義的構(gòu)效關(guān)系(structure activity relationships, SAR)是指藥物的結(jié)構(gòu)發(fā)生變化時(shí)生物活性的定性變化經(jīng)驗(yàn)。定量構(gòu)效關(guān)系(quantitative strucher activity relationships, QSAR)是由SAR發(fā)展而來(lái)的，它采用數(shù)學(xué)模式來(lái)描述藥物的生物

45、活性與結(jié)構(gòu)間的定量依賴關(guān)系[16]，是適應(yīng)合理設(shè)計(jì)生物活性分子的需要而發(fā)展起來(lái)的[17]。定量構(gòu)效關(guān)系[18-19]是指利用理論計(jì)算和統(tǒng)計(jì)分析工具來(lái)研究系列化合物結(jié)構(gòu)(包括二維分子結(jié)構(gòu)、三維分子結(jié)構(gòu)和電子結(jié)構(gòu))與其生物效應(yīng)(如藥物的活性、毒性、藥效學(xué)性質(zhì)、藥物代謝動(dòng)力學(xué)參數(shù)和生物利用度等)之間的定量關(guān)系，即采用數(shù)字模型，借助理化參數(shù)或結(jié)構(gòu)參數(shù)來(lái)描述有機(jī)小分子化合物(藥物、抑制劑等)與有機(jī)大分子化合物(酶、輔酶或有機(jī)大分子)或組織之間(受

46、體、細(xì)胞、動(dòng)物等)的相互作用關(guān)系。</p><p>　　1.4.2 定量構(gòu)效關(guān)系研究的發(fā)展</p><p>　　1868年，Crum．Brown和Fraser發(fā)表了QSAR方面的第一個(gè)方程巾=f(c)，該方程表明[20]，化合物的生理活性由可用化學(xué)結(jié)構(gòu)C的函數(shù)表示，但并未建立明確的函數(shù)模型。最早的可以實(shí)施的定量構(gòu)效關(guān)系方法是美國(guó)波蒙拿學(xué)院的Hansch在1962年提出的Hansch方程。其

47、最初的形式為方程(1-1)，</p><p>　　lgl／C=algP+bσ+cEs+constant (1-1)</p><p>　　即活性與疏水參數(shù)lgP、電性參數(shù)σ和立體參數(shù)Es相關(guān)。隨后，Hansch和日本訪問(wèn)學(xué)者藤田稔夫等人一同改進(jìn)了Hansch方程的數(shù)學(xué)模型，引入了指示變量、拋物線模型和雙線性模型等修正，得到方程(1-2)，使得方程的預(yù)

48、測(cè)能力有所提高[21]。</p><p>　　lgl／C=a(lgP)2+blgP+cσ+dEs+constant (1-2)</p><p>　　Free等人幾乎與Hansch方法發(fā)表的同時(shí)發(fā)表了Free．Wilson方法，其直接以分子結(jié)構(gòu)作為變量對(duì)生物的生理活性進(jìn)行回歸分析。Hansch方法、Free．Wilson方法等方法均是將分子作為一個(gè)整體考慮其性

49、質(zhì)，并不能反應(yīng)分子的三維結(jié)構(gòu)與生理活性之間的關(guān)系，因而被稱為二維定量構(gòu)效關(guān)系(2D QSAR)。</p><p>　　20世紀(jì)80年代在QSAR研究中出現(xiàn)了考慮生物活性分子與受體結(jié)合的三維結(jié)構(gòu)性質(zhì)的研究方法，稱為三維定量構(gòu)效關(guān)系(3D-QSAR)。如在1979年Crippent[22]等提出距離幾何學(xué)的3D-QSAR、1980年Hopfinger[23-24]等提出分子形狀分析方法和1988年Cramer[25]

50、等提出了比較分子場(chǎng)方法(CoMFA)等。比較分子場(chǎng)方法一經(jīng)提出便席卷整個(gè)藥物設(shè)計(jì)領(lǐng)域，成為了應(yīng)用最廣泛的基于定量構(gòu)效關(guān)系的藥物設(shè)計(jì)方法；1990年出現(xiàn)了新的三維定量構(gòu)效關(guān)系方法，如在比較分子場(chǎng)方法基礎(chǔ)上改進(jìn)的比較分子相似性方法(CoMSLA)以及在距離幾何學(xué)的3D-QSAR基礎(chǔ)上發(fā)展的虛擬受體方法等，這些方法都成功得到了一些3D-QSAR模型，為設(shè)計(jì)高活性生物分子提供了很多有益的提示。</p><p>　　199

51、7年Hopfinger等提出了4D-QSAR的概念，此方法首次采用遺傳算法選擇分子動(dòng)力學(xué)產(chǎn)生的構(gòu)象來(lái)產(chǎn)生最佳的構(gòu)效關(guān)系模型。用每個(gè)格點(diǎn)對(duì)用的原子占有率來(lái)作為偏最小二乘回歸的變量，根據(jù)原子的不同特征定義了七種不同種類的原子模型。4D-QSAR方法考慮了藥物分子的整個(gè)構(gòu)象空間，考察了多種原子疊合方式，因此在概念上比傳統(tǒng)的CoMFA方法有一定的進(jìn)步。在QSAR研究過(guò)程中考慮影響生物活性的因素不斷增加， QSAR向著更高的維數(shù)發(fā)展，接著又有了5

52、D-QSAR、6D-QSAR概念的提出，它們各有特色，但還沒(méi)被普遍承認(rèn)，有待進(jìn)一步的研究和考證[26]。</p><p>　　1.4.3 定量構(gòu)效關(guān)系研究的意義</p><p>　　化學(xué)及其相關(guān)學(xué)科的發(fā)展至今已呈現(xiàn)出從描述性向推理性、從宏觀狀態(tài)研究到微觀結(jié)構(gòu)理論發(fā)展的趨勢(shì)。人們?cè)陂L(zhǎng)期實(shí)踐過(guò)程中認(rèn)識(shí)到，分子結(jié)構(gòu)與其性質(zhì)密切相關(guān)。分子結(jié)構(gòu)一經(jīng)確定，其性質(zhì)也隨之而定。分子的性質(zhì)包括內(nèi)在性質(zhì)(如電

53、荷分布)、化學(xué)性質(zhì)(如pKa)和生物性質(zhì)(如活性)等各種性質(zhì)。結(jié)構(gòu)-性質(zhì)相關(guān)（Structure-property relationship, SPR )主要是研究它們之間的規(guī)律。其中研究分子結(jié)構(gòu)特征與相應(yīng)生物活性之間關(guān)系，即所謂構(gòu)效關(guān)系(Structure-activity relationship, SAR)，定量構(gòu)效關(guān)系(Quantitative Structure Activity Relationship, QSAR) 被大量

54、地應(yīng)用于藥物科學(xué)研究，其數(shù)學(xué)模型對(duì)于有機(jī)化學(xué)品的藥物活性評(píng)價(jià)與預(yù)測(cè)具有廣闊的應(yīng)用前景。由于該方法具有簡(jiǎn)單、方便、使用參數(shù)不依賴于實(shí)驗(yàn)等優(yōu)點(diǎn)，從而被廣泛應(yīng)用于預(yù)測(cè)抗結(jié)核病藥物的各種藥物活性的研究中[18-21]。定量構(gòu)效關(guān)系(Quantitative structure-activity relationship, QSAR)由SAR發(fā)展而來(lái)，其是采</p><p>　　1.4.4 定量構(gòu)效關(guān)系的研究現(xiàn)狀</

55、p><p>　　目前，有關(guān)定量構(gòu)效關(guān)系方面的研究呈現(xiàn)出以下幾個(gè)特點(diǎn)[28-30]：</p><p>　　1) 綜合性：主要研究化合物分子結(jié)構(gòu)與物化性質(zhì)或生物活性之間的定量函數(shù)關(guān)系，覆蓋了化學(xué)、物理學(xué)、生命科學(xué)等學(xué)科的一個(gè)交叉學(xué)科領(lǐng)域。同時(shí)定量構(gòu)效關(guān)系研究發(fā)展至今，越來(lái)越多地借助于數(shù)理統(tǒng)計(jì)方法和計(jì)算機(jī)技術(shù)的最新發(fā)展，所以要求研究者必須熟悉化學(xué)、物理學(xué)、生物學(xué)、數(shù)理統(tǒng)計(jì)和計(jì)算機(jī)等相關(guān)知識(shí)。<

56、/p><p>　　2) 理論性：早期的QSAR研究往往比較注重定量構(gòu)效關(guān)系模型的預(yù)測(cè)功能，即實(shí)用性；而最近的定量構(gòu)效關(guān)系研究則更注意定量模型的因果關(guān)系，即理論性。人們總是期望一個(gè)成功的數(shù)學(xué)模型，能從本質(zhì)上揭示和解釋影響物質(zhì)某種性質(zhì)的本質(zhì)因素，揭示和描述生物活性的作用機(jī)制，從而達(dá)到提高有用生物活性，控制有害生物毒性的目的。</p><p>　　3) 智能化：化合物的物化性質(zhì)和生物活性受到諸多因素

57、的影響，化合物的結(jié)構(gòu)因素也是多種多樣的，包括電子結(jié)構(gòu)、立體結(jié)構(gòu)和理化參數(shù)等。其中某些因素對(duì)特定的性質(zhì)影響較大，而另一些因素則影響較小，其間的關(guān)系復(fù)雜多樣。當(dāng)化合物結(jié)構(gòu)范圍較寬時(shí)，要在化合物結(jié)構(gòu)與某種性質(zhì)之間建立滿意的數(shù)學(xué)模型必須借助于多變量分析方法和計(jì)算機(jī)的自適應(yīng)優(yōu)化建模功能。因此主成分分析、偏最小二乘、判別分析、聚類分析、模擬退火、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法等方法被越來(lái)越多地應(yīng)用于定量構(gòu)效關(guān)系研究，并輔以計(jì)算機(jī)的智能化技術(shù)，促使定量構(gòu)效關(guān)

58、系研究向智能化方向發(fā)展。</p><p>　　4) 程序化：一個(gè)定量構(gòu)效關(guān)系模型的建立往往是建立在對(duì)大量化合物的生物活性數(shù)據(jù)及結(jié)構(gòu)參數(shù)分析基礎(chǔ)之上，同時(shí)還需從諸多結(jié)構(gòu)參數(shù)中篩選出對(duì)化合物特定性質(zhì)具有顯著影響的變量。從參數(shù)的計(jì)算到相關(guān)分析，工作十分繁雜而且容易出錯(cuò)。近期發(fā)展起來(lái)的CASE(Computer automated structure evaluation)系統(tǒng)使得化合物參數(shù)的計(jì)算，重要變量的篩選，乃至模

59、式分析和模型建立完全程序化。這樣的專家系統(tǒng)，不僅大大方便了模型的建立過(guò)程，同時(shí)也為那些不熟悉化學(xué)、物理或生物學(xué)知識(shí)卻需要使用構(gòu)效關(guān)系模型的科研工作者提供了極大的方便。</p><p><b>　　5) 實(shí)用化：</b></p><p>　　(a)為化學(xué)品危險(xiǎn)性評(píng)價(jià)提供一種簡(jiǎn)便實(shí)用的途徑。通過(guò)實(shí)驗(yàn)的方法對(duì)化合物進(jìn)行全面危險(xiǎn)性評(píng)價(jià)不僅需要大量的資金投入，而且歷時(shí)較長(zhǎng)。通過(guò)

60、QSAR研究可為化學(xué)品的暴露水平和生物效應(yīng)作出預(yù)測(cè)和評(píng)價(jià)，可大大節(jié)省人力物力的投入。</p><p>　　(b)指導(dǎo)合成高效低毒的新化合物。通過(guò)定量構(gòu)效關(guān)系研究可發(fā)現(xiàn)并確定對(duì)化合物活性起關(guān)鍵作用的結(jié)構(gòu)因素，從而指導(dǎo)高效低毒化合物的目標(biāo)分子設(shè)計(jì)。</p><p>　　(c)建立化學(xué)品性質(zhì)及毒性數(shù)據(jù)庫(kù)。建立化學(xué)品性質(zhì)及毒性的定量構(gòu)效關(guān)系模型有助于從已經(jīng)測(cè)定的數(shù)據(jù)中最大限度地獲取有用信息。此類模

61、型的建立不僅使得數(shù)據(jù)庫(kù)具有預(yù)測(cè)功能，而且可以發(fā)現(xiàn)數(shù)據(jù)中偏離模型“可疑數(shù)據(jù)”。而這些“可疑數(shù)據(jù)”或“異常樣本”的發(fā)現(xiàn)往往又可以幫助和啟示人們尋找一些更為有意義的規(guī)律。</p><p><b>　　2 原理與方法</b></p><p>　　2.1 三維全息原子場(chǎng)作用矢量(3D-HoVAIF)的基本概念及相關(guān)計(jì)算</p><p>　　在分子電性距離

62、矢量[31-33]的基礎(chǔ)上，本實(shí)驗(yàn)室提出一種有效的3D分子結(jié)構(gòu)描述子：三維全息原子場(chǎng)作用矢量(3D-HoVAIF)。該法從分子立體結(jié)構(gòu)的兩個(gè)空間不變量——原子相對(duì)距離和原子自身性質(zhì)出發(fā)，基于三種常見(jiàn)的與生物活性直接相關(guān)的原子間非鍵作用方式(靜電、立體和疏水作用)，在不借助任何實(shí)驗(yàn)參數(shù)及毋需樣本構(gòu)象重疊的前提下得到了用于表征分子結(jié)構(gòu)特征的多維矢量描述子。</p><p>　　有機(jī)分子中常見(jiàn)原子有氫、碳、氮、磷、氧、

63、硫、氟、氯、溴、碘，它們分別屬于元素周期表的5個(gè)主族(IA、IVA、VA、VIA、VIIA)，按其所處元素周期表劃分為5大類，為了更好地表達(dá)分子細(xì)微結(jié)構(gòu)特征，并考慮到同一族原子處于不同雜化狀態(tài)時(shí)化學(xué)性質(zhì)也有較大差異，繼而在上述分類的基礎(chǔ)上再進(jìn)一步把不同主族中的原子按其雜化狀態(tài)細(xì)分為10類，這樣一個(gè)分子內(nèi)部不同類別原子之間的相互作用情況就有55種(表2-1)。</p><p>　　表2-1 3D-HoVAIF中的

64、10類原子及它們的55種相互作用情況</p><p>　　本文3D-HoVAIF采用靜電、立體和疏水三種勢(shì)能來(lái)表達(dá)不同的作用形式，這樣對(duì)于一個(gè)有機(jī)化合物分子將有3×55=165對(duì)原子作用項(xiàng)來(lái)表征分子結(jié)構(gòu)信息。雖然3D-HoVAIF中的原子相互作用方式不是配基與靶點(diǎn)的直接作用，但是在大多數(shù)受體未知的情況下3D-HoVAIF描述子中包含了豐富的藥物分子勢(shì)能分布信息。</p><p>

65、<b>　　1）靜電作用場(chǎng)</b></p><p>　　靜電作用(electrostatic interaction)是一類重要的非鍵形式，經(jīng)典的點(diǎn)電荷作用方式可用庫(kù)侖(Coulomb)定理(式2-1)來(lái)表述。</p><p>　　(1≤m≤10， m≤n≤10) (2-1)</p><p>　　式(1)中r

66、ij是原子間Euclid距離，單位為nm；e為單位電荷電量1.6021892×10-19 C；ε0為真空中的介電常數(shù)8.85418782×10-12 C2/J·m；Z為原子凈電荷數(shù)，以電子為單位；m和n為原子所屬種類。通過(guò)該式計(jì)算分子中所有原子間的靜電作用勢(shì)，并按所屬類型將其分別計(jì)入55個(gè)靜電作用項(xiàng)中。</p><p><b>　　2）立體作用場(chǎng)</b><

67、/p><p>　　立體作用(steric interaction)是空間原子間存在的非偶極-偶極或偶極誘導(dǎo)作用，這里采用Lennard-Jones方程來(lái)描述這種作用方式(式2-2)。</p><p>　　式(2)中εij為原子對(duì)勢(shì)能阱深，取文獻(xiàn)值[33-34](表2-2)；D為經(jīng)驗(yàn)推導(dǎo)的原子間作用能校正常數(shù)，取0.01；Rij*=(Ch·Rii*+ Ch·Rjj*)/2，為

68、校正后的原子對(duì)van der Waals半徑，校正因子Ch當(dāng)sp3雜化時(shí)取1.00, sp2雜化取0.95, sp雜化取0.90。</p><p>　　表2-2 Lennard-Jones中原子勢(shì)阱參數(shù)</p><p><b>　　3）疏水作用場(chǎng)</b></p><p>　　疏水作用(hydrophobic interaction)是影響藥物分

69、子與生物體結(jié)合的重要因素，使用Kellogg等提出的hint方法[24-27]來(lái)定義計(jì)算兩原子間疏水作用表達(dá)式(式2-3)。</p><p>　　(1≤m≤10, m≤n≤10) (2-3)</p><p>　　式(3)中S為原子溶劑可及面積(Solvent Accessible Surface Area of Atom, SASA)，是以水分子(范德瓦爾斯半徑為

70、0.14 nm)為探針在原子表面滾動(dòng)其球心形成的表面面積[28](表2-3)；α為原子疏水性常數(shù)，取文獻(xiàn)值；T是作用形式的二值判別函數(shù)，以表明不同類型原子疏水作用的熵效應(yīng)變化方向。</p><p>　　表2-3 有機(jī)分子中常見(jiàn)原子的范德瓦耳斯半徑和溶劑可及面積</p><p>　　表2-4 原子疏水/溶解常數(shù)</p><p>　　表2-5 Hint用于計(jì)算原子疏水作

71、用公式中的二值判別函數(shù)T值</p><p>　　2.2 基于虛擬蛋白質(zhì)受體原子探針的分子表面隨機(jī)采樣分析(RaSMS)的基本概念及相關(guān)計(jì)算</p><p>　　2.2.1 蛋白質(zhì)受體原子探針</p><p>　　由于大多數(shù)藥物直接作用靶標(biāo)是具有一定生物活性功能的肽和蛋白質(zhì)分子，因此RaSMS法使用20種標(biāo)準(zhǔn)天然氨基酸中的各類原子作為探針。考慮到具有不同雜化狀態(tài)的原子

72、往往因所處基團(tuán)和區(qū)域不同而使其對(duì)活性貢獻(xiàn)表現(xiàn)出一定的差異，進(jìn)而以此得到8個(gè)探針原子(表2-1)。為了反映這些探針的性質(zhì)，我們分別給其賦予了平均電荷指數(shù)、范德瓦耳斯指數(shù)和平均疏水指數(shù)的概念。</p><p>　　平均電荷指數(shù)(Mean Charge Index, MCI)：探針原子電性特征取其出現(xiàn)于氨基酸中的平均電荷數(shù)(以電子為單位)。具體計(jì)算如下：首先使用Chemoffice 8.0自帶數(shù)據(jù)庫(kù)生成20個(gè)天然氨基酸

73、的初始分子立體結(jié)構(gòu)；并利用分子模擬軟件HyperChem 7.5進(jìn)行分子力學(xué)(采用MM+力場(chǎng))構(gòu)象優(yōu)化；其結(jié)果進(jìn)一步應(yīng)用Gaussian 98W量子化學(xué)計(jì)算軟件在密度泛函(Density Function Theory, DFT)水平基于廣義梯度近似法最終優(yōu)化得到分子三維結(jié)構(gòu)，并采用Mulliken布居分析法[30]以單點(diǎn)(single-point)形式計(jì)算出原子的凈電荷數(shù)量(由于采用的基函數(shù)不正交，DFT對(duì)Mulliken電荷進(jìn)行了修

74、正)；利用C語(yǔ)言自編程序Mean.EXE計(jì)算每種探針原子在氨基酸中出現(xiàn)的平均電荷數(shù)作為其MCI值。其中，DFT所采用的泛函類型為B3LYP，在進(jìn)行幾何結(jié)構(gòu)優(yōu)化時(shí)選用的分子軌道基函數(shù)為雙重分裂基組并在每個(gè)重原子上加入了d軌道極化函數(shù)，而單點(diǎn)計(jì)算所采用的軌道基組是在幾何優(yōu)化基組的基礎(chǔ)上再向氫原子加入p軌道極化函數(shù)得到。</p><p>　　范德瓦耳斯指數(shù)(van der Waals Index, VWI)：通常文獻(xiàn)給

75、出的是孤立原子van der Waals半徑，但實(shí)際原子由于其所處分子的化學(xué)微環(huán)境和自身雜化狀態(tài)不同該半徑有所變化，因此本文對(duì)其進(jìn)行了調(diào)整，即使用經(jīng)校正后的原子van der Waals半徑作為探針原子的范德瓦耳斯指數(shù)(單位為?)，VWI=Ch×RVDW*。其校正因子Ch參見(jiàn)文獻(xiàn)，當(dāng)sp3雜化時(shí)取1.00, sp2雜化取0.95, sp雜化取0.90。另外，各類原子的標(biāo)準(zhǔn)van der Waals半徑取自Bondi等人的報(bào)告(

76、附表1)。</p><p>　　平均疏水指數(shù)(Mean Hydrophobic Index, MHI)：類似于MCI, MHI取每類探針的疏水性在天然氨基酸中出現(xiàn)的平均值(單位為kJ/?2)。</p><p>　　表2-1 8個(gè)探針原子在20種天然氨基酸中出現(xiàn)的頻數(shù)及其MCI, VWI和MHI取值</p><p>　　2.2.2 虛擬受體可及表面</p>

77、<p>　　本文提出了虛擬受體可及表面(Pseudo-Receptor Accessible Surface, PRAS)的概念。當(dāng)作為藥物作用靶點(diǎn)的生物分子(蛋白質(zhì)、核酸、糖類等)中所包含的原子可以抵達(dá)的該藥物分子表面稱為分子虛擬受體可及表面(Pseudo-Receptor Accessible Surface of Molecule, PRASM)，如果以上述劃分蛋白質(zhì)8類探針原子中的氫作為受體探針，其定義如下：利用單

78、個(gè)氫原子球體(RVDW=1.2?)在藥物分子van der Waals表面滾動(dòng)其球心所經(jīng)歷的曲面則稱為虛擬受體氫原子可及表面(H-PRASM)。同理可以計(jì)算其余7種虛擬受體探針原子可及表面(圖2-1(a))。作為一個(gè)抽象概念，依照上述PRASM的計(jì)算方法可以定義孤立原子的原子虛擬受體可及表面(Pseudo-Receptor Accessible Surface of Atom， PRASA)，顯然該表面是一個(gè)球面(其半徑為該原子與探針半

79、徑之和)(圖2-1(b))?？梢钥吹剿幬锓肿又忻總€(gè)原子的PRASA可能有一部分參與形成該分子的PRASM。</p><p>　　圖2-1 (a)分子虛擬受體可及表面(PRASM)； (b) 原子虛擬受體可及表面(PRASA)</p><p>　　2.2.3 藥物分子中常見(jiàn)原子分類</p><p>　　有機(jī)化合物中常見(jiàn)的原子包括氫、碳、氮、磷、氧、硫、氟、

80、氯、溴、碘，它們分別屬于元素周期表的IA、IVA、VA、VIA、VIIA共計(jì)5個(gè)主族?；凇熬哂邢嗤瘜W(xué)性質(zhì)的原子應(yīng)屬于同一類”的觀點(diǎn)，我們很自然的按照這些原子所處元素周期表的族將其劃分為5大類。為了更好的表現(xiàn)分子細(xì)微結(jié)構(gòu)特征，并考慮到同一族原子處于不同雜化狀態(tài)時(shí)化學(xué)性質(zhì)也有較大差異，繼而在上述分類的基礎(chǔ)上再進(jìn)一步把不同族中的原子按其雜化狀態(tài)細(xì)分為10類(表2-2)。</p><p>　　表2-2. RaSMS中

81、按周期表的族和原子雜化類型劃分的10類原子</p><p>　　2.2.4 探針原子與藥物配體的作用模式</p><p>　　經(jīng)典藥學(xué)理論認(rèn)為藥物在抵達(dá)受體并與之發(fā)生作用絕大多數(shù)都是暫時(shí)的、可逆的非鍵效應(yīng)，其表現(xiàn)為靜電、立體、疏水、氫鍵、電荷轉(zhuǎn)移等多種因素。本文考慮到靜電、立體、疏水效果幾乎包含了大部分這類信息，故在RaSMS中主要計(jì)算這3種作用類型。對(duì)于氫鍵、電荷轉(zhuǎn)移等可以看成是靜電和立

82、體效應(yīng)的特殊表現(xiàn)形式。</p><p>　　靜電作用(electrostatic interaction)是一類重要的非鍵效應(yīng)，經(jīng)典的點(diǎn)電荷作用方式服從Coulomb定理(2-3)。其中rij是探針到配體原子間的Euclid距離，單位為?；e為單位電荷電量1.6021892×10-19 C；ε0為真空中的介電常數(shù)8.85418782×10-12 C2/J·m；Z為配體原子凈電荷數(shù)，以

83、電子為單位；p和l分別為探針和配體原子所屬類型。</p><p>　　(1≤p≤8, 1≤l≤10) (2-3)</p><p>　　立體作用(steric interaction)是空間原子間存在的非偶極-偶極或偶極誘導(dǎo)作用，這里采用Lennard-Jones方程來(lái)描述這種作用方式(2-4)。該式中εij=(εii·εjj)1/2為探針-受體原子勢(shì)能阱深；D為經(jīng)驗(yàn)

84、推導(dǎo)的原子間作用能修正常數(shù)，相當(dāng)于單位變換系數(shù)，取0.01[33]；Rij*=(VWIi+Ch·Rj*)/2，為經(jīng)過(guò)校正后的探針-受體原子間van der Waals碰撞半徑，校正因子Ch同2.2.1節(jié)所述。</p><p>　　(1≤p≤8, 1≤l≤10) (2-4)</p><p>　　疏水作用(hydrophobic interaction)是影響藥物分子與

85、生物體結(jié)合的重要因素，由于其往往表現(xiàn)于體系熵的改變，因此很難用一個(gè)統(tǒng)一的公式來(lái)描述。對(duì)于有關(guān)疏水作用的研究已有眾多文獻(xiàn)報(bào)道，考慮到RaSMS要求深入到配基分子內(nèi)部原子與其表面受體探針相互作用，我們使用Kellogg等人提出的hint方法來(lái)表達(dá)該類勢(shì)能形式。在hint中定義了一個(gè)簡(jiǎn)單的計(jì)算兩個(gè)原子之間的疏水相互作用表達(dá)式(2-5)，該式中S為原子溶劑可及面積(Solvent Accessible Surface Area of Atom,

86、 SASA)，是水分子(van der Waals半徑為1.4?)在原子表面滾動(dòng)其球心形成的表面面積；a為原子疏水性常數(shù)，這里同樣使用上文所提到的ASP作為其表達(dá)值；T是作用形式的二值判別函數(shù)，以表明不同類型原子疏水作用的熵效應(yīng)變化方向。</p><p>　　(1≤p≤8, 1≤l≤10) (2-5)</p><p>　　2.2.5 RaSMS實(shí)現(xiàn)過(guò)程</p&g

87、t;<p>　　使用Chemoffice 8.0分子圖形構(gòu)建軟件包自動(dòng)生成初始藥物分子立體結(jié)構(gòu)；同時(shí)應(yīng)用MOPAC 6.0半經(jīng)驗(yàn)量子化學(xué)計(jì)算軟件在AM1(Austin Model 1)水平上采用共扼梯度法完成幾何優(yōu)化，并在最終分子結(jié)構(gòu)上進(jìn)行單點(diǎn)計(jì)算以求得每個(gè)原子所帶電荷的Mulliken布居數(shù)；繼而利用C語(yǔ)言自編程序Sampling-tool.EXE進(jìn)行RaSMS分析：當(dāng)以氫原子為探針時(shí)，首先在藥物分子虛擬受體氫原子可及表

88、面(H-PRASM)上進(jìn)行隨機(jī)取點(diǎn)作為該探針的探點(diǎn)，每一次采樣都計(jì)算該點(diǎn)探針與藥物分子中10類原子的相互作用情況，而每種作用又分為靜電、立體和疏水3種效應(yīng)，這樣可以得到30個(gè)作用項(xiàng)，它包含了分子表面該點(diǎn)的勢(shì)場(chǎng)分布狀況?？梢钥吹?，經(jīng)過(guò)大規(guī)模重復(fù)上述隨機(jī)采樣，探點(diǎn)將幾乎完全均勻的覆蓋分子周圍，從而得到整個(gè)表面的場(chǎng)能分布信息。完成所有采樣之后將多次探測(cè)得到的30項(xiàng)作用每項(xiàng)對(duì)應(yīng)加和，并取其平均值作為該分子表面勢(shì)場(chǎng)分布密度。其中第一項(xiàng)表示H-PR

89、ASM上藥物分子中第1類原子(氫原子)與探針平均作用情況，第二項(xiàng)表示第2類原子(sp3雜化的碳原子)與探針平均作用情況，以此類推。這樣通過(guò)使用8個(gè)探針</p><p>　　圖2-2 RaSMS法對(duì)于每一個(gè)藥物分子得到的240個(gè)作用分量示意圖</p><p>　　2.3 多元線性回歸原理</p><p>　　多元線性回歸(Multiple linear regress

90、ion, MLR)是一種經(jīng)典的建模方法，它對(duì)自變量和因變量加以線性擬合以得到最小二乘(Least Square, LS)意義下的最佳結(jié)果。在研究互相獨(dú)立的自變量與因變量之間的線性關(guān)系時(shí)，采用多元線性回歸分析通?？梢垣@得滿意的結(jié)果。假設(shè)自變量x1，x2，…, xj與因變量 y皆成線性關(guān)系，則一個(gè)j元線性回歸的數(shù)學(xué)模型可表達(dá)為：</p><p>　　?=bo+b1x1+b2x2+bjxj

91、 (2-6)</p><p>　　方程式(2-4)中 b0 為常數(shù)項(xiàng)，自變量xj前的系數(shù)bj，稱因變量y對(duì)自變量xj的偏回歸系數(shù)，它表示在其它自變量為常數(shù)時(shí)，該自變量每變化1個(gè)單位而使因變量y平均改變的數(shù)值。在多元線性回歸中，用復(fù)相關(guān)系數(shù) R 表示回歸方程對(duì)原有數(shù)據(jù)擬合程度的好壞，R的定義為：</p><p><b>　　（2-7） </b>

92、;</p><p>　　方程式(2-5)中，yi為觀測(cè)值，?i為模型的計(jì)算值，?為n個(gè)樣本觀測(cè)值的平均值。</p><p>　　對(duì)于建立的MLR方程，首先要對(duì)其進(jìn)行多元線性回歸關(guān)系假設(shè)檢驗(yàn)，可通過(guò)F檢驗(yàn)實(shí)現(xiàn)。需要注意的是，即使多元線性關(guān)系顯著也不排除存在與因變量無(wú)線性關(guān)系自變量的可能性，因此必須還要對(duì)各個(gè)偏回歸系數(shù)逐個(gè)進(jìn)行假設(shè)檢驗(yàn)。一般來(lái)說(shuō)，只有當(dāng)多元回歸方程自變量的偏回歸系數(shù)均顯著時(shí)，多

93、元回歸檢驗(yàn)的 F 值才有確定的意義。為了使回歸方程和引入自變量的偏相關(guān)系數(shù)顯著，需要對(duì)自變量進(jìn)行評(píng)估，變量的評(píng)估可由四部分組成：(1)變量的零值測(cè)試；(2)變量的偏差測(cè)試；(3)兩兩變量間相關(guān)性的測(cè)試；(4)變量的多重共線性測(cè)試。在使用MLR建模時(shí)常用的變量篩選方法有以下幾種：</p><p>　　(1) 向后消除(backward variable elimination)：從包含全部自變量的方程中，根據(jù)判據(jù)，

94、每次剔除一個(gè)對(duì)因變量影響不顯著的變量，直到無(wú)法剔除為止。</p><p>　　(2) 向前選擇(forward variable selection)：從一個(gè)自變量開(kāi)始，每次引入一個(gè)對(duì)因變量影響顯著的變量，直到無(wú)法引入為止。</p><p>　　(3) 逐步回歸篩選(stepwise multiple regression, SMR)：①每次引入一個(gè)對(duì)因變量影響顯著的變量，直到無(wú)法引入時(shí)轉(zhuǎn)

95、到②；②每次剔除一個(gè)對(duì)因變量影響不顯著的變量，直到無(wú)法剔除時(shí)轉(zhuǎn)到①。當(dāng)無(wú)法引入也無(wú)法剔除自變量時(shí)停止篩選，使得最后的回歸方程中只保留重要的自變量。</p><p>　　逐步回歸篩選是一種最為常用的變量篩選方法，它是向前選擇和向后消除的一種結(jié)合。在向前選擇中，一旦某個(gè)變量被引入方程，它就永遠(yuǎn)保留在模型中。然而，隨著其它變量的引入，由于變量間的相關(guān)關(guān)系，某些先進(jìn)入模型的變量就可能變得不再顯著。而對(duì)于向后消除法，一旦某

96、個(gè)變量被剔除后，就永遠(yuǎn)被排斥在模型之外。但是隨著其它變量被剔除，它對(duì)因變量的解釋作用也可能變得顯著起來(lái)。所以逐步回歸是一種“有進(jìn)有出”的算法，它比“進(jìn)后不出”或是“出后不進(jìn)”的算法顯然更加完備，因此它是一種尋找最優(yōu)子空間的有效方法。</p><p>　　2.4 偏最小二乘法原理</p><p>　　偏最小二乘法是一種新型的多元統(tǒng)計(jì)數(shù)據(jù)分析方法，它1983年由伍德(S.Wold)和阿巴諾(C

97、.Albano)等人首次提出。近幾十年來(lái)，它在理論、方法和應(yīng)用方面都得到了迅速的發(fā)展。</p><p>　　長(zhǎng)期以來(lái)，模型式的方法和認(rèn)識(shí)性的方法之間的界限分得十分清楚。而偏最小二乘法則把它們有機(jī)的結(jié)合起來(lái)了，在一個(gè)算法下，可以同時(shí)實(shí)現(xiàn)回歸建模(多元線性回歸)、數(shù)據(jù)結(jié)構(gòu)簡(jiǎn)化(主成分分析)以及兩組變量之間的相關(guān)性分析(典型相關(guān)分析)。這是多元統(tǒng)計(jì)數(shù)據(jù)分析中的一個(gè)飛躍。偏最小二乘法在統(tǒng)計(jì)應(yīng)用中的重要性體現(xiàn)在以下幾個(gè)方面

98、：偏最小二乘法是一種多因變量對(duì)多自變量的回歸建模方法。偏最小二乘法可以較好的解決許多以往用普通多元回歸無(wú)法解決的問(wèn)題。偏最小二乘法之所以被稱為第二代回歸方法，還由于它可以實(shí)現(xiàn)多種數(shù)據(jù)分析方法的綜合應(yīng)用。主成分回歸的主要目的是要提取隱藏在矩陣X中的相關(guān)信息，然后用于預(yù)測(cè)變量Y的值。這種做法可以保證讓我們只使用那些獨(dú)立變量，噪音將被消除，從而達(dá)到改善預(yù)測(cè)模型質(zhì)量的目的。但是，主成分回歸仍然有一定的缺陷，當(dāng)一些有用變量的相關(guān)性很小時(shí)，我們?cè)谶x

99、取主成分時(shí)就很容易把它們漏掉，使得最終的預(yù)測(cè)模型可靠性下降，如果我們對(duì)每一個(gè)成分進(jìn)行挑選，那樣又太困難了。偏最小二乘回歸可以解決這個(gè)問(wèn)題。它采用對(duì)變量X和Y都進(jìn)行分解的方法，從變量X和Y中同時(shí)提取成分(通常稱為因子)，再將因子按照它們之間的相關(guān)性從大到</p><p>　　偏最小二乘回歸的主要目的是要建立一個(gè)線性模型：Y=XB+E，其中Y是具有m個(gè)變量、n個(gè)樣本點(diǎn)的響應(yīng)矩陣，X是具有p個(gè)變量、n個(gè)樣本點(diǎn)的預(yù)測(cè)矩陣

100、，B是回歸系數(shù)矩陣，E為噪音校正模型，與Y具有相同的維數(shù)。在通常情況下，變量X和Y被標(biāo)準(zhǔn)化后再用于計(jì)算，即減去它們的平均值并除以標(biāo)準(zhǔn)偏差。偏最小二乘回歸和主成分回歸一樣，都采用得分因子作為原始預(yù)測(cè)變量線性組合的依據(jù)，所以用于建立預(yù)測(cè)模型的得分因子之間必須線性無(wú)關(guān)。例如：假如我們現(xiàn)在有一組響應(yīng)變量Y(矩陣形式)和大量的預(yù)測(cè)變量X(矩陣形式)，其中有些變量嚴(yán)重線性相關(guān)，我們使用提取因子的方法從這組數(shù)據(jù)中提取因子，用于計(jì)算得分因子矩陣：T=X

101、W，最后再求出合適的權(quán)重矩陣W，并建立線性回歸模型：Y=TQ+E，其中Q是矩陣T的回歸系數(shù)矩陣，E為誤差矩陣。一旦Q計(jì)算出來(lái)后，前面的方程就等價(jià)于Y=XB+E，其中B=WQ，它可直接作為預(yù)測(cè)回歸模型。偏最小二乘回歸與主成分回歸的不同之處在于得分因子的提取方法不同，簡(jiǎn)而言之，主成分回歸產(chǎn)生的權(quán)重矩陣W反映的是預(yù)測(cè)變量X之間的協(xié)方差，偏最小二乘回歸產(chǎn)生的權(quán)重矩陣W反映的是預(yù)測(cè)變量X與響應(yīng)變量Y之間的協(xié)方差。在建模當(dāng)中，</p>

102、<p>　　3 模型的建立與檢驗(yàn)</p><p><b>　　3.1 數(shù)據(jù)采集</b></p><p>　　本文研究的25個(gè)查耳酮類抗結(jié)核病藥物的分子結(jié)構(gòu)和最小抑菌濃度值的pMIC(表3-1)取自文獻(xiàn)[37]。</p><p>　　表3-1 查耳酮類抗結(jié)核病藥物的結(jié)構(gòu)及其pMIC </p><p>　　使用C

103、hemdraw畫(huà)出這25個(gè)抗結(jié)核病藥物分子式，使用Chem3D構(gòu)建25個(gè)分子的立體結(jié)構(gòu)，用Chem3D中自帶的MOPAC半經(jīng)驗(yàn)量子化學(xué)軟件在AM1水平上最終優(yōu)化得到分子結(jié)構(gòu)(截?cái)嘀?.0001KJ/mol)，并采用Mulliken布居分析法以單點(diǎn)(single-point)形式計(jì)算出原子的凈電荷數(shù)量，將分子中每個(gè)原子的空間位置及電荷分別以笛卡兒坐標(biāo)和凈電子數(shù)目的形式輸入實(shí)驗(yàn)室自編的C語(yǔ)言應(yīng)用程序3D-HoVAIF.EXE和RaSMS加以

104、處理，得到分子165個(gè)3D-HoVAIF描述子和240個(gè)RaSMS描述子。</p><p><b>　　3.2 變量篩選</b></p><p>　　所建模型的線性與所選變量的多少息息相關(guān)。一個(gè)較好的預(yù)測(cè)模型通常要求相關(guān)系數(shù)大，參數(shù)盡可能少。變量過(guò)少時(shí)，一個(gè)變量發(fā)生變動(dòng)時(shí)將會(huì)顯著影響所研究的性質(zhì)。變量越多，對(duì)模型的描述就越完整。但在QSAR研究中，一般要求盡可能降低描

105、述變量數(shù)，以便可靠地從QSAR模型中解讀出研究對(duì)象的內(nèi)在主要聯(lián)系[29-30]。因此，對(duì)上述研究對(duì)象的物化參數(shù)進(jìn)行變量的篩選就顯得尤為重要。作者采用SPSS 16.0 統(tǒng)計(jì)學(xué)軟件分別對(duì)165個(gè)3D-HoVAIF描述子和240個(gè)RaSMS描述子進(jìn)行逐步線性回歸(step-wise multiple regression, SMR)，SMR按Fisher顯著性檢驗(yàn)依次引入變量，并采取有進(jìn)有出的原則，最終分別篩選出15，10個(gè)顯著性矢量。&l