环氧合酶抑制剂活性的计算机辅助构效关系研究

发布时间：2017-04-14 16:05

  本文关键词：环氧合酶抑制剂活性的计算机辅助构效关系研究，由笔耕文化传播整理发布。

【摘要】：人源环氧合酶家族由三个同功酶组成,COX-3是一种新发现的酶,生理功能尚不明确；COX-1和COX-2发现的时间较早,二者均可以催化前列腺素和血栓素的形成。而前列腺素作为介质通过可逆与G蛋白耦合膜受体结合,可以影响几乎所有已知的生理和病理过程,前列腺素也是介导炎症反应中的一类重要介质；环氧合酶可以被阿司匹林和许多其他非甾体抗炎药抑制活性,这种对环氧合酶的抑制作用可以减轻炎症、发热、血栓、神经退行性和肿瘤等疾病,在临床研究上非常重要。本论文以环氧合酶抑制剂为研究核心,从已发表文献中收集了大量的COX-1和COX-2抑制剂,并建立相应的数据库,使用自组织神经网络、支持向量机、多元线性回归等方法建立了COX-1、COX-2抑制剂的高低活性分类模型以及抑制剂小分子活性的定量预测模型。主要工作如下：1、收集并建立环氧合酶1(COX-1)的抑制剂小分子数据库,使用该数据库建立COX-1抑制剂的高低活性分类模型和活性值定量预测模型。(1)COX-1抑制剂活性的定性分类模型的建立：从108篇文献中共收集到1862个COX-1的抑制剂小分子,以10uM为阈值把这些化合物分为高活性和低活性抑制剂,根据自组织神经网络算法(SOM)生成训练集和测试集数据,以MACCS分子指纹描述符和择优计算筛选出的ADRIANA.Code描述符作为输入,基于自组织神经网络(SOM)和支持向量机(SVM)的方法建模。分别建立了四个COX-1抑制剂高低活性分类的模型,四个模型的训练集的预测准确率均超过90%,对测试集的预测准确率达到了80%以上。最好的模型基于SOM方法划训练集,用MACCS作为描述符,训练集的预测正确率是90.09%,MCC值为0.78,测试集数据的预测正确率是93.02%,MCC=0.85。研究还分别用五重、十重交互检验和Y-扰乱的方法来验证模型的稳定性,证明了模型的可信度和稳健性研究还分别用五重、十重交互检验和Y-扰乱的方法来验证模型的稳定性,证明了模型的可信度和稳健性。计算COX-1抑制剂的ECFP 4描述符,结合分子描述符,分析对高活性抑制剂贡献较大的亚结构片段,分析COX-1抑制剂的构效关系,指导设计新的抑制分子。(2)定量预测模型的建立：把357个COX-1小分子抑制剂根据自组织神经网络算法和随机划分的方法生成训练集和测试集数据,计算并筛选ADRIANA.Code分子特征描述符作为模型向量输入,建立支持向量机和多元线性回归的活性预测模型。四个模型中,效果最好的模型对训练集的复相关系数R为0.88,均方根误差(RMSE)为0.30；对测试集的R为0.78、RMSE为0.26。二、收集并建立环氧合酶2(COX-2)的抑制剂小分子数据库,使用该数据库建立COX-2的高低活性分类模型和活性定量预测模型。(1)COX-2抑制剂活性的定性分类模型的建立：从文献中共收集到2717个COX-2的抑制剂小分子,以10uM为阈值把这些化合物分为高活性和低活性抑制剂,将其根据自组织神经网络算法(SOM)生成训练集和测试集数据,以MACCS分子指纹图谱描述符和择优计算筛选出的ADRIANA.Code描述符作为输入,基于自组织神经网络(SOM)和支持向量机(SVM)的方法建模；共建立8个模型,我们得到的预测最好的模型是使用SVM权重排序,基于SVM方法建立的。该模型对自身的分类准确率为93.41%,五重、十重以及LOO交互检验的正确率分别为85.95%、84.11%、86.31%,MCC值为0.85；对测试集的分类准确率为90.13%,测试集的MCC为0.83,AUC面积为0.8263,对模型预测效果较为理想。计算COX-2抑制剂的ECFP-4描述符,结合分子描述符,分析对高活性抑制剂贡献较大的亚结构片段,分析COX-2抑制剂的构效关系。(2)定量预测模型的建立：把575个COX-2小分子抑制剂根据SOM算法和Random方法生成训练集和测试集数据,计算ADRIANA.Code分子描述符,同样利用Pearson相关系数和逐步回归对结构描述符进行筛选,最后基于选出来的结构描述符建立四个支持向量机和多元线性回归的活性预测模型。效果最好的模型R为0.89,RMSE为0.21；对测试集的相关系数为0.82、RMSE为0.24。本文通过建立环氧合酶1和2型抑制剂的高低活性分类模型和活性定量模型,旨在对设计和研究新的抗炎、抗肿瘤药等提供研究方向和思路。
【关键词】：环氧合酶抑制剂 构效关系 自组织神经网络 多元线性回归 支持向量机
【学位授予单位】：北京化工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R914
【目录】：

• 学位论文数据集3-4
• 摘要4-7
• ABSTRACT7-20
• 第一章 绪论20-38
• 1.1 环氧合酶文献综述20-28
• 1.1.1 环氧合酶概述20-22
• 1.1.2 环氧合酶的结构22-24
• 1.1.3 环氧合酶的生理功能24-25
• 1.1.4 环氧合酶的与非甾体抗炎药25-28
• 1.2 计算机辅助药物设计概述28-30
• 1.2.1 计算机辅助药物设计简介28-29
• 1.2.2 计算机辅助药物设计的方法29-30
• 1.3 实验方法概述30-34
• 1.3.1 构效关系研究30
• 1.3.2 自组织神经网络30-32
• 1.3.3 支持向量机32-34
• 1.3.4. 多元线性回归34
• 1.4 前人研究成果34-35
• 1.5 本课题的主要研究工作35-38
• 第二章 环氧合酶1抑制剂的定性分类研究38-60
• 2.1 实验数据38-40
• 2.1.1 数据集的建立38-40
• 2.1.2 数据集的划分40
• 2.2 实验研究方法40-48
• 2.2.1 分子描述符的计算41-42
• 2.2.2 分子描述符的择优筛选42-46
• 2.2.3 模型的建立方法46
• 2.2.4 模型的检验和评估46-48
• 2.2.4.1 模型的评价参数46-47
• 2.2.4.2 ROC曲线47
• 2.2.4.3 模型的扰乱检验47-48
• 2.3 实验结果分析48-55
• 2.3.1 自组织神经网络模型48-50
• 2.3.2 支持向量机模型50-51
• 2.3.3 模型效果分析51-53
• 2.3.4 模型的检验53-55
• 2.3.4.1 交互检验53
• 2.3.4.2 Y-扰乱检验53-55
• 2.4 COX-1抑制剂的结构-活性关系55-57
• 2.4.1 分子描述符分析55
• 2.4.2 ECFP指纹图谱分析55-57
• 2.5 本章结论57-60
• 第三章 环氧合酶1抑制剂的定量预测研究60-74
• 3.1 实验数据60-61
• 3.1.1 数据集的建立60-61
• 3.1.2 数据集的划分61
• 3.2 实验方法61-66
• 3.2.1 描述符的计算和择优61-65
• 3.2.2 模型的建立65
• 3.2.3 模型的检验65-66
• 3.3 实验结果分析66-72
• 3.3.1 多元线性回归模型66-69
• 3.3.2 支持向量机模型69-70
• 3.3.3 模型的结果总结与检验70-71
• 3.3.4 描述符分析71-72
• 3.4 本章小结72-74
• 第四章 环氧合酶2抑制剂的定性分类和定量预测研究74-110
• 4.1 环氧合酶2抑制剂的高低活性分类模型74-95
• 4.1.1 实验数据74-76
• 4.1.1.1 数据的收集74-75
• 4.1.1.2 数据集的划分75-76
• 4.1.2 实验研究方法76-80
• 4.1.2.1 分子描述符的计算76-77
• 4.1.2.2 分子描述符的择优筛选77-79
• 4.1.2.3 模型的建立方法79-80
• 4.1.2.4 模型的检验和评估80
• 4.1.3 实验结果分析80-90
• 4.1.3.1 自组织神经网络模型80-84
• 4.1.3.2 支持向量机模型84-87
• 4.1.3.3 模型结果汇总87-90
• 4.1.4 COX-2抑制剂的结构-活性关系90-95
• 4.1.4.1 分子描述符分析90-92
• 4.1.4.2 ECFP指纹图谱分析92-95
• 4.2 环氧合酶2抑制剂的活性定量预测模型95-108
• 4.2.1 实验数据95-96
• 4.2.1.1 数据的收集95
• 4.2.1.2 数据集的划分95-96
• 4.2.2 实验方法96-100
• 4.2.2.1 描述符的计算和择优96-100
• 4.2.2.2 模型的建立100
• 4.2.2.3 模型的检验100
• 4.2.3 实验结果分析100-108
• 4.2.3.1 多元线性回归模型101-103
• 4.2.3.2 支持向量机模型103-104
• 4.2.3.3 模型的结果总结与检验104-106
• 4.2.3.4 描述符分析106-108
• 4.3 本章小结108-110
• 第五章 总结和展望110-114
• 5.1 课题总结110-111
• 5.2 课题展望111-114
• 参考文献114-140
• 致谢140-142
• 研究成果及发表的学术论文142-144
• 作者及导师简介144-145
• 附件145-146

【参考文献】

中国期刊全文数据库 前9条

1 Mesfin Yimam;Young-Chul Lee;Breanna Moore;Ping Jiao;Mei Hong;Jeong-Bum Nam;Mi-Ran Kim;Eu-Jin Hyun;Min Chu;Lidia Brownell;Qi Jia;;Analgesic and anti-inflammatory effects of UP1304,a botanical composite containing standardized extracts of Curcuma longa and Morus alba[J];Journal of Integrative Medicine;2016年01期

2 YANG Jun-Ran;LUO Jian-Guang;KONG Ling-Yi;;Determination of α-glucosidase inhibitors from Scutellaria baicalensis using liquid chromatography with quadrupole time of flight tandem mass spectrometry coupled with centrifugal ultrafiltration[J];Chinese Journal of Natural Medicines;2015年03期

3 王欣杰;李海峰;马琳;吴明权;;基于F-score的大数据公共空间模式选择方法[J];燕山大学学报;2014年05期

4 Arpona Hira;Shubhra Kanti Dey;Md.Sariful Islam Howlader;Arif Ahmed;Hemayet Hossain;Ismet Ara Jahan;;Anti-inflammatory and antioxidant activities of ethanolic extract of aerial parts of Vernonia patula(Dryand.)Merr.[J];Asian Pacific Journal of Tropical Biomedicine;2013年10期

5 Xue-Ping Chu;Qing-Fa Zhou;Shen Zhao;Fei-Fei Ge;Mian Fu;Jia-Peng Chen;Tao Lu;;Synthesis and biological evaluation of 3-amino-2-pyrones as selective cyclooxygenase-1(COX-1) inhibitors[J];Chinese Chemical Letters;2013年02期

6 高丽;刘艾林;杜冠华;;计算机辅助药物设计在新药研发中的应用进展[J];中国药学杂志;2011年09期

7 李贞双;李超林;;计算机辅助药物设计在新药研究中的应用[J];电脑知识与技术;2009年31期

8 李利华;赵蔡斌;闵锁田;李星彩;;基于配体-受体理论的计算机辅助药物分子设计方法及应用[J];西北药学杂志;2007年05期

9 梁桂兆;梅虎;周原;李志良;;计算机辅助药物设计中的多维定量构效关系模型化方法[J];化学进展;2006年01期

  本文关键词：环氧合酶抑制剂活性的计算机辅助构效关系研究，由笔耕文化传播整理发布。

，

本文编号：306345