基于结构聚类的化合物熔点QSPR分析.pdf

基于结构相似性聚类的化合物熔点 QSPR 分析 周新奇，梁逸曾* 中南大学化学化工学院， 长沙， 410083 E-mail：zhouxinqi2000@163.com 摘 要:采用两种结构相似性聚类分析的方法对Robert C. Glen and Andreas Bender报道[1] 的一个结构多样性药物数据库中化合物进行筛选，一种是基于分子结构碎片相似的统计学方 法，另一种是基于分子基本骨架（MCS）相似的聚类方法。筛选出聚集在一起的化合物数据 集，采用PCR蒙特卡罗方法建立模型，训练集的拟合相关系数R为 0.9，检验集的相关系数R 在 0.8 以上，预测偏差降低到 25K。文献采用人工神经网络方法建模，所得到的相关系数都 只有 0.65 左右，预测偏差达到 40K。 关键词：熔点，QSPR，结构相似性，聚类，PCR 引言: 熔点描述的是一种化合物由固态变成液态转化温度，是晶体化合物的一种基本性质，可 以用于快速的分析物质的纯度等。但是还有很多化合物的熔点没有测出来，或者测出来的熔 点温度是一个大概的范围值[2]。在研究化合物的性质问题时，一个重要研的内容是通过化合 物的结构来计算化合物的性质。化学计量学中的QSPR被赋予了这样一种使命。这种基本的函 数表达式为： A/P=f(molecular structure)=f(molecular descriptors)[3] 在上述的表达式中分子结构由分子描述子表示。目前应用得比较广泛的描述子有：拓扑指数 描述子，量子化学描述子，经验物理化学描述子等等。A/P 描述的是物质的生物活性或者它 的某种性质。f(.)刻画结构与性质或生物活性之间的关系。 前面很多的关于熔点与结构之间的QSPR研究一般都是针对某一种化合物，Dearden JC 等报道了用氢键供应能力、疏水常数、mol折射率、Sterimol宽度参数B2和m-取代指示变量 五个参数对42种苯胺化合物的熔点进行建模，得到比较好的结果，r=0.941,s=24.6[4]。Alan R. Katritzky等，对443个单取代和二取代的苯化合物熔点进行QSPR研究，采用6个描述子进 行建模，其拟合系数0.8373，成功地应用于预测模型[5]。蒋明谦先生提出了同系物的线性规 律[6] [7] 之后，很多学者对同系化合物的熔点的关系也作了研究：仇明华 对烷烃同系物考虑分 子的端基效应，提出了熔点计算方法，得到的平均相对误差为2. 59 %。James S. Chickos and Gary Nichols[8]也对一大批同系物的熔点做了研究。对于比较大型的数据，可以采用两步的 策略来进行数据挖掘：搜索出化学模式并且给出结构和性能之间的详细的关系[9]。一般采用 相似性比较的方法或者聚类的方法来分析化合物的模式。然后用所得到的化合物的模式进行 建模对未知的样本进行预测。采用相似度聚类的方法已经报道的有基于图形相似和基于指纹 图谱相似性对数据库进行虚拟筛选[10]。 1 数据和方法 -1- 1.1 数据集 化合物的结构和熔点的数据来自于Robert C. Glen and Andreas Bender的报道，在网 站[11]下载原始数据，但其中有一个数据有误，在我的实验中将其剔除。所得到的结构数据为 smiles编码，我们利用网上[12]在线结构文件转换软件将其转换成sdf文件格式，得到sdf的结 构文件以后我们将它导入ISIS/Base软件中，可以很清晰地看到分子的二维结构，它包含有 多种多样的结构 （见图一）。下载的分子结构我们有的无法将它进行转化和识别，因此将不 能够识别的分子去掉。得到 3613 个分子。 1.2 描述子 我们采用了 202 个 2D 和 3D 描述子，包括疏水常数，分子的表面积，分子的极性，量 子化学描述子等等，这些描述