摘要：组蛋白赖氨酸特异性去甲基酶1 (LSD1)是一种黄素腺嘌呤二核苷酸(FAD)依赖性胺氧化酶,可特异性识别H3K4和H3K9底物,并去除其单甲基或二甲基修饰。它介导许多细胞内信号通路,与肿瘤的发生和发展密切相关。因此,开发高效、特异的LSD1抑制剂不仅有利于研究LSD1的生物学功能,而且对抗肿瘤药物的开发具有重要的科学意义。建立定量构效关系(QSAR)模型可以预测分子的物理和化学性质。在本研究中,利用基因表达编程(GEP)建立了一个具有描述符的非线性定量构效关系(QSAR)模型,并预测了一系列新型苯并呋喃化疗药物的活性。这些描述符是在CODESSA软件中计算的,并基于启发式算法从描述符池中选择。选择4个描述符来建立多元线性回归模型。获得了训练集和测试集的最佳非线性QSAR模型,相关系数分别为0.92和0.80,平均误差分别为0.07和0.60。显然,基于GEP的QSAR模型具有更好的抑制剂疗效预测稳定性。这些发现对LSD1抑制剂作为高选择性的一流临床候选药物的设计提供了新的价值。