[航空航天]量子结构活性关联法研究30-重要.docVIP

[航空航天]量子结构活性关联法研究30-重要.doc

  1. 1、本文档共3页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
[航空航天]量子结构活性关联法研究30-重要

量子结构活性关联法研究3,4-二芳基环呃唑酮作为COX-2抑制剂 刘树深 崔世海 尹大强 施蕴渝 王连生 (污染控制与资源利用国家重点实验室 南京大学环境学院) (中国科技大学 生物结构实验室) 摘要: 选择性COX-2抑制剂可以在保留其治疗作用的同时避免了目前使用的非甾体抗炎类药物的副作用,一种基于以上预测的新的且具有多样选择性的方法应用去建立了在基于13个电子模型的分子电负性距离向量(MEDV)和一系列的选择性的COX-2抑制分子(3,4-二芳基环呃唑酮类,茚甲新,萘普生类)的生物活性之间的量子活性相关。在模拟阶段使用多线性衰退(MLR)求得校正系数为0.9271,平均方差根为0.17,在LOO阶段求得的校正系数0.9030平均方差根为0.20。为了进一步测试该模拟系统的预测能力,挑选了20种3,4-二芳基环呃唑酮(DAA)化合物用于建立量子结构活性关联法模式,然后用这一公式预测的相关系数为0.9332,平均方差根为0.19。 关键词:量子结构活性关联法3,4-二芳基环呃唑酮 分子电负性距离向量 COX-2抑制剂 引言 众所周知,环氧合酶有两种亚型,即COX-1和 COX-2,它们存在于不同的器官中,因此非甾类抗炎药物在有治疗作用的同时不可避免的又存在一定的副作用,COX-1存在于人体的多数器官中,包括胃肠粘膜;COX-2在细胞中的水平很低,包括正常人的胃肠当中。 COX-2 是即时基因诱导致有丝分裂产生的,and proinflammatory stimuli, and it is has been postulated 要求to be the isoforill involved in inflammatorv processes.目前使用的 非甾类抗炎药物都是C0X-1 and COX-2的同时抑制剂,它们中的的大部分只是针对C0X-1有抑制性,而选择性的抑制COX-2非甾类抗炎药物在人体内起作用的同时以避免副作用的产生,因此很多实验室都在做COX-2抑制剂的研究工作。然而,量子结构活性相关(QSAR)方法研究COX-2抑制剂的选择性仅在很少的文献中出现过。我们的工作人员也建立了量子结构活性相关(QSAR)方法研究COX-2抑制剂的选择性,例如;茚甲新( 一种用于治疗类风湿性关节炎等的消炎镇痛药)及其胺类脂类化合物using (PCR),2,3-二芳基环戊烯酮(DAP)with a combinatorial method of genetic algorithm (GA)and multiple linear regression(MLR),多线性衰退 and t噻唑酮类 and唑酮series. 在这篇文章中,有我们实验室发展的新的多选择性模拟技术(VSMP)将被用于QSAR法对以一系列COX-2抑制剂选择性的研究,包括31种3,4二芳基环呃唑酮类化合物(DAAs)及其他三种化合物:,茚甲新( 一种用于治疗类风湿性关节炎等的消炎镇痛药),萘普生,celecoxib.为了方便起见,在本文中34种COX-2抑制剂都将接受实验。首先DAA 类型的抑制剂的分子电负性距离向量(MEDV)描述符将被计算,新的多选择性模拟技术(VSMP)用于从91种原始被检测物种搜索最佳匹配者,最后MLR用于建立抑制剂的QSAR 模式用于研究. 方法论 MEDV 描述符 在文献18,19种,原是的l MEDV 描述符是基于13种原字类型的 ( :1,2,? ,91),可以被计算,首先,非氢原子的电负性(q)可以用Eq(1)来计算.原子类型,性质,还有内部状态在表一所示 此处 dij 是原子i和原子j之间的最小距离, 然后. MEDV 描述符可以有下面的公式计算得到: 此处 k 或者 1是分子中原子的类型. VSMP优化选择MEDV描述符 为了加速经典的全子集衰退法(ASR)运行速度并且获得最好的可变的基于预测质量的子集,两个统计学参数,相关系数(rIn1)between变量 and相关系数(q)in the leave-one-out(LOO) 交叉确认都被引入ASR过程构建一个新的计算机程序用来多样的选择性和基于预测的模式(VSMP),怎样从一大堆独立多样且包含着许多种化合物(每一种都有m种描述符x(n,m))的基质去选择和分析最佳的子集呢?最佳的选择任务被完成在两相中in the VSMP程序中在第一相中,最佳的子集被选择对于给定数量的变量,这些优化的子集是在给定变量中最好的,但是对于全体的子集来说也不总是最好的, 最基本的过程如下所示:: (1)使几个基本的统计学参数的治特殊化,如在最优子集中的独立变量的个数和独立变量之间的相互干扰系数。然后使两个重要的统计参数(如rrci 和fmax )特殊化,前者rrci表现为相关系数

文档评论(0)

ctuorn0371 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档