摘要：HEC1(癌症高表达蛋白)是纺锤体检查点控制、着丝粒功能、细胞存活的关键的有丝分裂调节器,与原发性乳腺癌的不良预后有关.筛选具有高亲和力的HEC1新型抑制剂对探索乳腺癌的靶向治疗具有重要意义.本文从结构多样性的化合物库中筛选HEC1抑制剂.通过对分子描述符的特征筛选,采用支持向量机(SVM)和随机森林(RF)方法分别对HEC1抑制剂和非抑制剂建立了分类模型.经对比,RF模型显示了更好的预测精度.我们采用RF模型对HEC1抑制剂进行了虚拟筛选,从"in-house"实体库筛选得到2个潜在的HEC1抑制剂分子.随后对筛出的化合物进行了体外活性实验,发现对乳腺癌细胞株MDA-MB-468和MDA-MB-231均有一定程度的抗肿瘤活性.研究结果表明,机器学习方法对于设计和虚拟筛选HEC1抑制剂有良好的效果.

摘要：目的设计并制备了11个新型2-(4-喹啉/喹唑)啉硫代-6-氨基苯并噻唑类化合物,并探讨其抗肿瘤活性。方法依据拼合原理,将2-巯基-6-氨基苯并噻唑和4-氯-6,7-二甲氧基喹唑啉(或喹啉)两个片段结合,形成关键结构并据此合成系列衍生物,用MTT法进行体外抗肿瘤活性评价和构效关系研究。结果与结论合成的11个新化合物Ia^Ik未见文献报道;其中化合物Ic对黑色素瘤细胞株A2058的IC50为21.2μmol·L-1(Sorafenib 23.5μmol·L-1);化合物Ib、Ic对黑色素瘤细胞株A875的IC50分别为25.4、27.0μmol·L-1(Sorafenib 28.5μmol·L-1),显示的活性均优于阳性对照药物,但对测试的其他肿瘤细胞株均未显示活性。

摘要：1-Boc-6-胺基-2,3-二氢咪唑[1,2,b]吡唑是重要的医药中间体,本文通过化学合成的方法成功合成了此化合物。文献报道其合成难度较高,路线长,收率低,本文优化了合成工艺,重新设计路线,降低了成本,通过合环的方法合成了1-Boc-6-胺基-2,3-二氢-咪唑[1,2,b]吡唑,总收率14.3%,产品经1H NMR,13C NMR确证。

摘要：设计并合成了聚１，１０－癸二酮二苯并－１４－冠－４，改进了二苯并－１４－冠－４的合成，缩短了反应时间，收率从１０％提高到１７％，并开展了聚１。

摘要：以2-氰基-4-硝基苯胺为原料,设计并合成了6个新型的氨基喹唑啉类化合物(5a^5c和6a^6c),其结构经1H NMR,13C NMR和ESI-MS表征。初步的抗肿瘤活性测定结果表明,6-(4-甲酸甲酯苯甲酰胺基)-4-(4-甲基-3-三氟甲基苯胺基)喹唑啉(5b)对人乳腺癌细胞MDA-MB-231和人宫颈癌细胞HELA的抑制活性较好,其IC50分别为4.50μM和3.3μM,优于阳性对照药Gefitinib。