HEPT类HIV-1逆转录酶衍生物的CoMFA、CoMSIA及HQSAR分析
发布时间:2021-08-18 06:33
采用比较分子力场分析法(CoMFA)、比较分子相似因子分析法(CoMSIA)和分子全息定量结构关系(HQSAR)对1-[(2-羟乙氧)甲基]-6-苯硫基胸腺嘧啶(HEPT)类衍生物进行了分子活性构象选择、分子叠合、空间力场范围建立以及相应3D-QSAR模型建立。结果表明:该法所建模型对此类化合物具有良好的预测能力。CoMFA模型显示,交叉验证系数(q2)为0.565,非交互验证系数(r2)为0.892;CoMSIA模型显示,最佳q2为0.636,r2为0.953;最佳的HQSAR模型显示,q2为0.876,r2为0.929,最佳全息长度为97。根据三维等势图和HQSAR色码图设计了7个有较高活性的HEPT类化合物。
【文章来源】:精细化工. 2019,36(01)北大核心EICSCD
【文章页数】:10 页
【部分图文】:
图1分子叠合骨架及叠合图
.305EHD0.50480.8910.48053.962–0.3620.4700.168–EHA0.48780.8810.50148.880–0.3380.449–0.213EDA0.14730.4441.03415.412–0.297–0.2700.433HDA0.47670.8710.52244.541––0.5470.2200.234SEHD0.54880.9090.43766.4960.2110.2760.3690.141–SHDA0.51380.9030.45261.6220.241–0.4030.1830.173EHDA0.46180.8670.52943.281–0.2890.3980.1290.183SEDA0.19630.4950.98518.9850.1280.254–0.2410.377SEHA0.53680.9030.45261.6630.2050.2730.352–0.170SEHDA0.51380.8940.47256.0190.1790.2350.3180.1190.149图2CoMFA模型的实际值与预测值散点图Fig.2PoltsofobservedpEC50vs.predictedpEC50forCoMFAmodel图3CoMSIA模型的实际值与预测值散点图Fig.3PoltsofobservedpEC50vs.predictedpEC50forCoMSIAmodelHQSAR模型首先以默认的碎片长度(4~7)、不同碎片区分参数进行组合,考察了这些碎片区分参数组合对模型的影响,结果如表5所示。由表5可知,使用碎片区分参数为A/B/C/Ch,可以得到好的建模结果,其HQSAR模型统计学参数q2、r2分别为0.862、0.930,SEE为0.53,最佳主成分数为NC为6,最佳全息长度HL为353。为建立更好的HQSAR模型,在最佳的碎片区分参数(A/B/C/Ch)基础上选择不同的碎片长度进行考察,结果见表6,由表6可知,碎片长度为9~12时建模结果最佳。该HQSAR模型的统计学参数q2、r2、SEE、NC、HL分别为0.876、0.929、0.50、5和97。图4是训练集和测试集化合物实验值与预测值的相关图,从图中可以看出,所有样本均匀地分布在45线附近,证明该模型能够较好的表征分子结构与生物活性之间的关系。2.2CoMFA模型三维等势图图5是以能量最低的48号分子为模
.03415.412–0.297–0.2700.433HDA0.47670.8710.52244.541––0.5470.2200.234SEHD0.54880.9090.43766.4960.2110.2760.3690.141–SHDA0.51380.9030.45261.6220.241–0.4030.1830.173EHDA0.46180.8670.52943.281–0.2890.3980.1290.183SEDA0.19630.4950.98518.9850.1280.254–0.2410.377SEHA0.53680.9030.45261.6630.2050.2730.352–0.170SEHDA0.51380.8940.47256.0190.1790.2350.3180.1190.149图2CoMFA模型的实际值与预测值散点图Fig.2PoltsofobservedpEC50vs.predictedpEC50forCoMFAmodel图3CoMSIA模型的实际值与预测值散点图Fig.3PoltsofobservedpEC50vs.predictedpEC50forCoMSIAmodelHQSAR模型首先以默认的碎片长度(4~7)、不同碎片区分参数进行组合,考察了这些碎片区分参数组合对模型的影响,结果如表5所示。由表5可知,使用碎片区分参数为A/B/C/Ch,可以得到好的建模结果,其HQSAR模型统计学参数q2、r2分别为0.862、0.930,SEE为0.53,最佳主成分数为NC为6,最佳全息长度HL为353。为建立更好的HQSAR模型,在最佳的碎片区分参数(A/B/C/Ch)基础上选择不同的碎片长度进行考察,结果见表6,由表6可知,碎片长度为9~12时建模结果最佳。该HQSAR模型的统计学参数q2、r2、SEE、NC、HL分别为0.876、0.929、0.50、5和97。图4是训练集和测试集化合物实验值与预测值的相关图,从图中可以看出,所有样本均匀地分布在45线附近,证明该模型能够较好的表征分子结构与生物活性之间的关系。2.2CoMFA模型三维等势图图5是以能量最低的48号分子为模板的CoMFA模型三维等势图,图中软件默认绿色和黄色轮廓的贡献水平值分别保持为80%和20%。图5a为立体场三维等势图,
【参考文献】:
期刊论文
[1]基于分子对接技术及CoMSIA/HQSAR辅助的二羟基多氯联苯衍生物分子修饰[J]. 辛美玲,褚振华,李鱼. 高等学校化学学报. 2018(02)
[2]磺胺类药物pKa值的QSPR研究[J]. 李美萍,张生万. 原子与分子物理学报. 2015(01)
[3]酰肼类抗结核病药物的3D-QSAR研究[J]. 仝建波,陈洋,车挺,徐夏梦,程芳玲. 原子与分子物理学报. 2012(03)
[4]苯并咪唑类缓蚀剂的3D-QSAR研究及分子设计[J]. 胡松青,米思奇,贾晓林,郭爱玲,陈生辉,张军,刘新泳. 高等学校化学学报. 2011(10)
[5]CoMFA,CoMSIA,HQSAR方法研究四氢异喹啉衍生物的定量构效关系[J]. 相玉红,肖爱婧,张卓勇. 兰州大学学报(自然科学版). 2009(04)
[6]HEPT类HIV-1逆转录酶抑制剂的研究进展[J]. 孟歌,陈芬儿. 中国药物化学杂志. 2004(01)
[7]HEPT类逆转录酶抑制剂的三维定量构效关系[J]. 孟歌,何严萍,陈芬儿. 高等学校化学学报. 2002(07)
本文编号:3349387
【文章来源】:精细化工. 2019,36(01)北大核心EICSCD
【文章页数】:10 页
【部分图文】:
图1分子叠合骨架及叠合图
.305EHD0.50480.8910.48053.962–0.3620.4700.168–EHA0.48780.8810.50148.880–0.3380.449–0.213EDA0.14730.4441.03415.412–0.297–0.2700.433HDA0.47670.8710.52244.541––0.5470.2200.234SEHD0.54880.9090.43766.4960.2110.2760.3690.141–SHDA0.51380.9030.45261.6220.241–0.4030.1830.173EHDA0.46180.8670.52943.281–0.2890.3980.1290.183SEDA0.19630.4950.98518.9850.1280.254–0.2410.377SEHA0.53680.9030.45261.6630.2050.2730.352–0.170SEHDA0.51380.8940.47256.0190.1790.2350.3180.1190.149图2CoMFA模型的实际值与预测值散点图Fig.2PoltsofobservedpEC50vs.predictedpEC50forCoMFAmodel图3CoMSIA模型的实际值与预测值散点图Fig.3PoltsofobservedpEC50vs.predictedpEC50forCoMSIAmodelHQSAR模型首先以默认的碎片长度(4~7)、不同碎片区分参数进行组合,考察了这些碎片区分参数组合对模型的影响,结果如表5所示。由表5可知,使用碎片区分参数为A/B/C/Ch,可以得到好的建模结果,其HQSAR模型统计学参数q2、r2分别为0.862、0.930,SEE为0.53,最佳主成分数为NC为6,最佳全息长度HL为353。为建立更好的HQSAR模型,在最佳的碎片区分参数(A/B/C/Ch)基础上选择不同的碎片长度进行考察,结果见表6,由表6可知,碎片长度为9~12时建模结果最佳。该HQSAR模型的统计学参数q2、r2、SEE、NC、HL分别为0.876、0.929、0.50、5和97。图4是训练集和测试集化合物实验值与预测值的相关图,从图中可以看出,所有样本均匀地分布在45线附近,证明该模型能够较好的表征分子结构与生物活性之间的关系。2.2CoMFA模型三维等势图图5是以能量最低的48号分子为模
.03415.412–0.297–0.2700.433HDA0.47670.8710.52244.541––0.5470.2200.234SEHD0.54880.9090.43766.4960.2110.2760.3690.141–SHDA0.51380.9030.45261.6220.241–0.4030.1830.173EHDA0.46180.8670.52943.281–0.2890.3980.1290.183SEDA0.19630.4950.98518.9850.1280.254–0.2410.377SEHA0.53680.9030.45261.6630.2050.2730.352–0.170SEHDA0.51380.8940.47256.0190.1790.2350.3180.1190.149图2CoMFA模型的实际值与预测值散点图Fig.2PoltsofobservedpEC50vs.predictedpEC50forCoMFAmodel图3CoMSIA模型的实际值与预测值散点图Fig.3PoltsofobservedpEC50vs.predictedpEC50forCoMSIAmodelHQSAR模型首先以默认的碎片长度(4~7)、不同碎片区分参数进行组合,考察了这些碎片区分参数组合对模型的影响,结果如表5所示。由表5可知,使用碎片区分参数为A/B/C/Ch,可以得到好的建模结果,其HQSAR模型统计学参数q2、r2分别为0.862、0.930,SEE为0.53,最佳主成分数为NC为6,最佳全息长度HL为353。为建立更好的HQSAR模型,在最佳的碎片区分参数(A/B/C/Ch)基础上选择不同的碎片长度进行考察,结果见表6,由表6可知,碎片长度为9~12时建模结果最佳。该HQSAR模型的统计学参数q2、r2、SEE、NC、HL分别为0.876、0.929、0.50、5和97。图4是训练集和测试集化合物实验值与预测值的相关图,从图中可以看出,所有样本均匀地分布在45线附近,证明该模型能够较好的表征分子结构与生物活性之间的关系。2.2CoMFA模型三维等势图图5是以能量最低的48号分子为模板的CoMFA模型三维等势图,图中软件默认绿色和黄色轮廓的贡献水平值分别保持为80%和20%。图5a为立体场三维等势图,
【参考文献】:
期刊论文
[1]基于分子对接技术及CoMSIA/HQSAR辅助的二羟基多氯联苯衍生物分子修饰[J]. 辛美玲,褚振华,李鱼. 高等学校化学学报. 2018(02)
[2]磺胺类药物pKa值的QSPR研究[J]. 李美萍,张生万. 原子与分子物理学报. 2015(01)
[3]酰肼类抗结核病药物的3D-QSAR研究[J]. 仝建波,陈洋,车挺,徐夏梦,程芳玲. 原子与分子物理学报. 2012(03)
[4]苯并咪唑类缓蚀剂的3D-QSAR研究及分子设计[J]. 胡松青,米思奇,贾晓林,郭爱玲,陈生辉,张军,刘新泳. 高等学校化学学报. 2011(10)
[5]CoMFA,CoMSIA,HQSAR方法研究四氢异喹啉衍生物的定量构效关系[J]. 相玉红,肖爱婧,张卓勇. 兰州大学学报(自然科学版). 2009(04)
[6]HEPT类HIV-1逆转录酶抑制剂的研究进展[J]. 孟歌,陈芬儿. 中国药物化学杂志. 2004(01)
[7]HEPT类逆转录酶抑制剂的三维定量构效关系[J]. 孟歌,何严萍,陈芬儿. 高等学校化学学报. 2002(07)
本文编号:3349387
本文链接:https://www.wllwen.com/yixuelunwen/binglixuelunwen/3349387.html
最近更新
教材专著