題-1_100_100.jpg)
基本信息
- 項(xiàng)目名稱：
- 基于啟發(fā)式和基因表達(dá)式編程法預(yù)測(cè)磺胺類藥物的pKa值
- 來(lái)源：
- 第十一屆“挑戰(zhàn)杯”國(guó)賽作品
- 小類：
- 生命科學(xué)
- 簡(jiǎn)介：
- 目的：應(yīng)用啟發(fā)式算法(HM)和基因表達(dá)式編程方法(GEP)建立31種磺胺類藥物pKa值的定量構(gòu)效關(guān)系模型。 方法：用ChemOffice2004軟件進(jìn)行化合物的結(jié)構(gòu)輸入，利用半經(jīng)驗(yàn)方法進(jìn)行分子結(jié)構(gòu)優(yōu)化，在CODDESA軟件中計(jì)算出組成、拓?fù)?、幾何、電子和量子化學(xué)參數(shù)；并用啟發(fā)式方法篩選出4個(gè)相關(guān)參數(shù)，在此基礎(chǔ)上運(yùn)用多元線性回歸和基因表達(dá)式編程方法建立QSPR模型。 結(jié)果：兩種方法均得到了較好的結(jié)果，HM和GEP的的相關(guān)系數(shù)分別為0.90和0.95。結(jié)果表明，用GEP建立的非線性模型的預(yù)測(cè)結(jié)果與文獻(xiàn)值非常接近。 結(jié)論：通過(guò)研究，建立了兩種預(yù)測(cè)磺胺類藥物pKa值的QSPR模型。在新藥研究中，運(yùn)用該模型可以預(yù)測(cè)其pKa值，為新化合物的研究提供理論指導(dǎo)。 關(guān)鍵詞：磺胺類藥物；pKa；定量構(gòu)效關(guān)系；啟發(fā)式算法；基因表達(dá)式編程方法
- 詳細(xì)介紹：
- 在某個(gè)藥物發(fā)揮作用前它至少要通過(guò)一個(gè)生物膜，這個(gè)過(guò)程是被動(dòng)的或需要由某個(gè)中間體攜帶來(lái)完成。許多藥物都包含離子基團(tuán)，而且它們都有特定的pKa值。藥物通常在特定的pKa值下通過(guò)主動(dòng)運(yùn)輸機(jī)理穿透細(xì)胞膜或通過(guò)毛細(xì)孔[1]。因此，pKa值是影響藥物藥理作用的一個(gè)重要因素。通常，實(shí)驗(yàn)方法得到pKa值比較煩瑣，發(fā)展一種容易應(yīng)用和精確預(yù)測(cè)新化合物的pKa值的方法是十分必要的，在藥物研究中尤為重要。 化學(xué)和生物效應(yīng)與分子性質(zhì)密切相關(guān)，而這些性質(zhì)可以用多種方法計(jì)算或預(yù)測(cè)得到[2-4]。近年來(lái)，定量結(jié)構(gòu)-活性關(guān)系（QSPR, QSRR）及其變化形式已經(jīng)成為一種潛在的有效預(yù)測(cè)pKa值的方法[5-8]。QSPR方法的優(yōu)越性在于一旦建立了模型就可以僅僅通過(guò)化合物的結(jié)構(gòu)預(yù)測(cè)化合物的性質(zhì)。此種方法擴(kuò)展了合理篩選藥物的范圍，有助于尋找藥物的作用機(jī)理。 基因表達(dá)式編程方法(GEP)[9]是一種基于自然群體遺傳演化機(jī)制的高效探索算法，它摒棄了傳統(tǒng)的搜索方式，模擬自然界生物進(jìn)化過(guò)程，采用人工進(jìn)化的方式對(duì)目標(biāo)空間進(jìn)行隨機(jī)化搜索。它將問題域中的可能解看作是群體的一個(gè)個(gè)體或染色體，并將每一個(gè)體編碼成符號(hào)串形式，模擬達(dá)爾文的遺傳選擇和自然淘汰的生物進(jìn)化過(guò)程，對(duì)群體反復(fù)進(jìn)行基于遺傳學(xué)的操作（遺傳，交叉和變異），根據(jù)預(yù)定的目標(biāo)適應(yīng)度函數(shù)對(duì)每個(gè)個(gè)體進(jìn)行評(píng)價(jià)，依據(jù)適者生存，優(yōu)勝劣汰的進(jìn)化規(guī)則，不斷得到更優(yōu)的群體，同時(shí)以全局并行搜索方式來(lái)搜索優(yōu)化群體中的最優(yōu)個(gè)體，求得滿足要求的最優(yōu)解。 本文研究利用啟發(fā)式算法(HM)和基因表達(dá)式編程方法(GEP)建立磺胺類藥物pKa值的定量構(gòu)效關(guān)系模型，預(yù)測(cè)31個(gè)磺胺類藥物的pKa值，所用的描述符通過(guò)CODESSA軟件計(jì)算得到。HM也用來(lái)挑選合適的分子描述符。通過(guò)研究，探討建立準(zhǔn)確預(yù)測(cè)pKa值的QSPR模型的可能性；比較兩種方法的優(yōu)劣；同時(shí)討論影響pKa值的結(jié)構(gòu)因素。
作品專業(yè)信息
撰寫目的和基本思路
- 目的：應(yīng)用啟發(fā)式算法(HM)和基因表達(dá)式編程方法(GEP)建立31種磺胺類藥物pKa值的定量構(gòu)效關(guān)系模型。基本思路：查閱文獻(xiàn)，得到31個(gè)磺胺類化合物的結(jié)構(gòu)及pKa值；進(jìn)行化合物的結(jié)構(gòu)輸入，利用半經(jīng)驗(yàn)方法進(jìn)行分子結(jié)構(gòu)優(yōu)化，在CODDESA軟件中計(jì)算出組成、拓?fù)?、幾何、電子和量子化學(xué)參數(shù)；在此基礎(chǔ)建立線性模型；再將篩選出的參數(shù)引入GEP程序，建立其非線性的QSPR模型；比較兩種模型的預(yù)測(cè)能力。
科學(xué)性、先進(jìn)性及獨(dú)特之處
- 應(yīng)用啟發(fā)式算法(HM)和基因表達(dá)式編程方法(GEP)建立了31種磺胺類藥物pKa值的定量構(gòu)效關(guān)系模型。兩種方法均得到了較好的結(jié)果，HM和GEP的的相關(guān)系數(shù)分別為0.90和0.95。結(jié)果表明，用GEP建立的非線性模型的預(yù)測(cè)結(jié)果與文獻(xiàn)值更接近。而且，通過(guò)此行研究證明，GEP程序不僅能用來(lái)處理一般的數(shù)據(jù)，還可用于藥物研究。
應(yīng)用價(jià)值和現(xiàn)實(shí)意義
- 通過(guò)研究，建立了兩種預(yù)測(cè)磺胺類藥物pKa值的QSPR模型。在新藥研究中，運(yùn)用該模型可以預(yù)測(cè)其pKa值，為新化合物的研究提供理論指導(dǎo)。該項(xiàng)研究所取得的成果在磺胺新藥的研究中具有實(shí)際應(yīng)用價(jià)值，可謂此類藥物的篩選提供依據(jù)。
學(xué)術(shù)論文摘要
- 目的：應(yīng)用啟發(fā)式算法(HM)和基因表達(dá)式編程方法(GEP)建立31種磺胺類藥物pKa值的定量構(gòu)效關(guān)系模型。方法：用ChemOffice2004軟件進(jìn)行化合物的結(jié)構(gòu)輸入，利用半經(jīng)驗(yàn)方法進(jìn)行分子結(jié)構(gòu)優(yōu)化，在CODDESA軟件中計(jì)算出組成、拓?fù)?、幾何、電子和量子化學(xué)參數(shù)；并用啟發(fā)式方法篩選出4個(gè)相關(guān)參數(shù)，在此基礎(chǔ)上運(yùn)用多元線性回歸和基因表達(dá)式編程方法建立QSPR模型。結(jié)果：兩種方法均得到了較好的結(jié)果，HM和GEP的的相關(guān)系數(shù)分別為0.90和0.95。結(jié)果表明，用GEP建立的非線性模型的預(yù)測(cè)結(jié)果與文獻(xiàn)值非常接近。結(jié)論：通過(guò)研究，建立了兩種預(yù)測(cè)磺胺類藥物pKa值的QSPR模型。在新藥研究中，運(yùn)用該模型可以預(yù)測(cè)其pKa值，為新化合物的研究提供理論指導(dǎo)。
獲獎(jiǎng)情況
- 無(wú)
鑒定結(jié)果
參考文獻(xiàn)
同類課題研究水平概述
