甲状腺激素受体调节剂的计算机辅助研究

发布时间:2019-08-11 18:27
【摘要】:甲状腺激素(TH)在人体中分布广泛,并和生长激素协同调节生长发育和能量代谢。研究发现甲状腺激素主要通过结合甲状腺激素受体(TRs)发挥作用,甲状腺激素受体作为核受体超家族(NRs)中的一员,在发育,稳态和许多疾病过程中发挥重要作用,其次,甲状腺激素受体的异常状态与物质代谢和能量代谢过程密切相关,例如肥胖,高胆固醇和糖尿病等,因此,该受体已经成为很多激动剂和拮抗剂分子的重要靶标。到目前为止,已知的甲状腺激素受体调节剂分子种类繁多,结构多样,但这些化合物在功能控制过程中或多或少的表现出副作用。研究证实我们日常食用的蔬菜,水果中大量存在功能因子,为了从中筛选出新型高效的甲状腺激素受体调节剂分子,我们应用计算机辅助计算方法(分类方法,二维定量构效关系模型,三维定量构效关系模型,分子对接,分子动力学模拟,反向筛选和药效团模型)对甲状腺激素受体调节剂进行研究,目的在于解决以下问题:(1)从分子水平上理解调节剂和甲状腺激素受体之间的作用机制,(2)通过建立相应的模型,对天然化合物数据库进行搜索,筛选出理想的作用于甲状腺激素受体的天然化合物,具体研究内容如下:(1)使用统计学方法C4.5,支持向量机和随机森林对作用于甲状腺激素受体上的激动剂分子和拮抗剂分子建立分类模型,结果显示C4.5和随机森林模型的外部预测能力大于80%,而支持向量机的外部预测准确度大于90%,表明可以应用该分类模型对新发现的甲状腺激素受体调节剂的特性进行预测。(2)使用多元线性回归,偏最小二乘法和支持向量回归方法分别对作用于甲状腺激素受体第一靶点和第二靶点上的调节剂分子建立二维定量构效关系模型,结果显示这些模型在统计学上具有显著性,并具有较好的外部预测能力,另外,通过建模确定了影响调节剂结合甲状腺激素受体的分子描述参数。使用建立的模型可以对新型甲状腺激素受体调节剂分子的活性进行预测。(3)使用三维定量构效关系,分子对接和分子动力学模拟方法分别对Sulfonylnitrophenylthiazoles(SNPTs),二氢化茚衍生物,类拟甲状腺素衍生物,膦酸类衍生物和β-氨基酮类衍生物建立模型,结果显示这些模型在统计学上是可信的,并且对各类调节剂分子和甲状腺激素受体之间的作用模式进行了阐述。(4)应用反向筛选对双酪氨酸的可能靶点进行筛选,然后使用分子对接方法对潜在药物-靶点数据库中提取的靶点进行分析。结果表明微管蛋白和顺式-双酪氨酸的结合力较强(-11.0 kcal/mol),而微管蛋白(-11.2 kcal/mol),甲状腺激素受体β1(-10.7kcal/mol)和白三烯A4水解酶(-10.2 kcal/mol)可能是反式-双酪氨酸的潜在靶标。反向筛选的应用可以帮助我们识别已知配体的未知靶标,并为实验分析提供指导。(5)对甲状腺激素受体β和甲状腺激素受体α分别建立药效团模型,同时使用分子对接方法对筛选结果进行验证。结果显示这两个药效团模型稳定性较好。另外,使用建立的药效团模型对天然化合物数据库进行筛选,我们发现双去氢百部新碱B,和双去氢百部新碱A与甲状腺激素受体β的结合力较高,Artocarmitin A和Oxydihydroartocarpesin是筛选得到的结合甲状腺激素受体α的可能配体。总之,本文建立的各类模型都具有较高的预测能力,并可以确定影响配体结合活性的结构特征,为后续实验研究提供理论支持,并为我们的日常饮食提供指导。
【图文】:

拮抗剂,交叉验证,预测精度,叶节点


剂和拮抗剂的 C4.5 决策树五倍交叉验证预测精度,叶节点设置为ediction accuracies of 5-fold cross-validation for the agonists and antagfrom C4.5 decision trees with leaf nodes varying from 1 to 10动剂和拮抗剂的随机森林五倍交叉验证预测精度,,mtry值设置为 1

交叉验证,拮抗剂,激动剂,预测精度


-3 激动剂和拮抗剂的随机森林五倍交叉验证预测精度,mtry值设置为 1到 20he prediction accuracies of 5-fold cross-validation for the agonists and antagonistsfrom the RF with the parameter mtryvarying from 1 to 20量机M 模型时,不同的内核功能会产生不同的结果,研究发现应用多模型最优。当对数据集进行五倍交叉验证时,多项式指数从 1到 5多项式指数大于 2时,模型都具有较好的结果(图 2-4)。多项式指结果最优,同时应用了最少的支持向量个数。-4 可见,SVM 分类模型对参数的变化敏感性不高,并且不容易出 SVM 模型的结果见表 2-2。敏感度(SE)和特异度(SP)分别是 的整体准确度是 96.6%,而测试集分子的平均准确度是 97.2%,剂分子的预测准确度分别是 98.4% 和 96.0%。
【学位授予单位】:江南大学
【学位级别】:博士
【学位授予年份】:2017
【分类号】:Q51

【参考文献】

相关期刊论文 前3条

1 蒋庆丰;李梓;程晓旭;;K-Means聚类算法研究及图形演示的实现[J];信息技术;2010年03期

2 陈安进,石杰;计算机辅助药物设计中用于建模的计算方法研究进展[J];中国海洋大学学报(自然科学版);2005年03期

3 李志良;定量构效关系研究进展[J];化学通报;1995年09期

相关博士学位论文 前1条

1 马卫平;线性和非线性方法在QSAR/QSPR研究中的应用[D];兰州大学;2007年



本文编号:2525454

资料下载
论文发表

本文链接:https://www.wllwen.com/shoufeilunwen/jckxbs/2525454.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户9a00f***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com