基本信息
- 項目名稱：
- 基于啟發(fā)式和基因表達式編程法預測磺胺類藥物的pKa值
- 小類：
- 生命科學
- 大類：
- 自然科學類學術(shù)論文
- 簡介：
- 目的：應用啟發(fā)式算法(HM)和基因表達式編程方法(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軟件進行化合物的結(jié)構(gòu)輸入，利用半經(jīng)驗方法進行分子結(jié)構(gòu)優(yōu)化，在CODDESA軟件中計算出組成、拓撲、幾何、電子和量子化學參數(shù)；并用啟發(fā)式方法篩選出4個相關(guān)參數(shù)，在此基礎(chǔ)上運用多元線性回歸和基因表達式編程方法建立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測結(jié)果與文獻值非常接近。 結(jié)論：通過研究，建立了兩種預測磺胺類藥物pKa值的QSPR模型。在新藥研究中，運用該模型可以預測其pKa值，為新化合物的研究提供理論指導。 關(guān)鍵詞：磺胺類藥物；pKa；定量構(gòu)效關(guān)系；啟發(fā)式算法；基因表達式編程方法
- 詳細介紹：
- 在某個藥物發(fā)揮作用前它至少要通過一個生物膜，這個過程是被動的或需要由某個中間體攜帶來完成。許多藥物都包含離子基團，而且它們都有特定的pKa值。藥物通常在特定的pKa值下通過主動運輸機理穿透細胞膜或通過毛細孔[1]。因此，pKa值是影響藥物藥理作用的一個重要因素。通常，實驗方法得到pKa值比較煩瑣，發(fā)展一種容易應用和精確預測新化合物的pKa值的方法是十分必要的，在藥物研究中尤為重要。 化學和生物效應與分子性質(zhì)密切相關(guān)，而這些性質(zhì)可以用多種方法計算或預測得到[2-4]。近年來，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測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化合物的結(jié)構(gòu)預測化合物的性質(zhì)。此種方法擴展了合理篩選藥物的范圍，有助于尋找藥物的作用機理。 基因表達式編程方法(GEP)[9]是一種基于自然群體遺傳演化機制的高效探索算法，它摒棄了傳統(tǒng)的搜索方式，模擬自然界生物進化過程，采用人工進化的方式對目標空間進行隨機化搜索。它將問題域中的可能解看作是群體的一個個體或染色體，并將每一個體編碼成符號串形式，模擬達爾文的遺傳選擇和自然淘汰的生物進化過程，對群體反復進行基于遺傳學的操作（遺傳，交叉和變異），根據(jù)預定的目標適應度函數(shù)對每個個體進行評價，依據(jù)適者生存，優(yōu)勝劣汰的進化規(guī)則，不斷得到更優(yōu)的群體，同時以全局并行搜索方式來搜索優(yōu)化群體中的最優(yōu)個體，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，預測31個磺胺類藥物的pKa值，所用的描述符通過CODESSA軟件計算得到。HM也用來挑選合適的分子描述符。通過研究，探討建立準確預測pKa值的QSPR模型的可能性；比較兩種方法的優(yōu)劣；同時討論影響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：應用啟發(fā)式算法(HM)和基因表達式編程方法(GEP)建立31種磺胺類藥物pKa值的定量構(gòu)效關(guān)系模型?；舅悸罚翰殚單墨I，得到31個磺胺類化合物的結(jié)構(gòu)及pKa值；進行化合物的結(jié)構(gòu)輸入，利用半經(jīng)驗方法進行分子結(jié)構(gòu)優(yōu)化，在CODDESA軟件中計算出組成、拓撲、幾何、電子和量子化學參數(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；比較兩種模型的預測能力。
科學性、先進性及獨特之處
- 應用啟發(fā)式算法(HM)和基因表達式編程方法(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測結(jié)果與文獻值更接近。而且，通過此行研究證明，GEP程序不僅能用來處理一般的數(shù)據(jù)，還可用于藥物研究。
應用價值和現(xiàn)實意義
- 通過研究，建立了兩種預測磺胺類藥物pKa值的QSPR模型。在新藥研究中，運用該模型可以預測其pKa值，為新化合物的研究提供理論指導。該項研究所取得的成果在磺胺新藥的研究中具有實際應用價值，可謂此類藥物的篩選提供依據(jù)。
學術(shù)論文摘要
- 目的：應用啟發(fā)式算法(HM)和基因表達式編程方法(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軟件進行化合物的結(jié)構(gòu)輸入，利用半經(jīng)驗方法進行分子結(jié)構(gòu)優(yōu)化，在CODDESA軟件中計算出組成、拓撲、幾何、電子和量子化學參數(shù)；并用啟發(fā)式方法篩選出4個相關(guān)參數(shù)，在此基礎(chǔ)上運用多元線性回歸和基因表達式編程方法建立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測結(jié)果與文獻值非常接近。結(jié)論：通過研究，建立了兩種預測磺胺類藥物pKa值的QSPR模型。在新藥研究中，運用該模型可以預測其pKa值，為新化合物的研究提供理論指導。
獲獎情況
- 無
鑒定結(jié)果
參考文獻
同類課題研究水平概述
