摘要：采用基于R基团搜索技术的Topomer Co MFA技术对一系列喹诺酮羧酸类衍生物进行三维定量构效(3D-QSAR)关系研究,所得模型结果的交叉验证相关系数(q2)为0.790,非交互验证系数(r2)为0.890,外部验证的复相关系数(r2pred)为0.878,研究结果表明该模型具有良好的稳定性和预测能力。采用Topomer search技术在ZINC数据库中进行虚拟筛选,筛选出6个Ra基团和3个Rb基团,进而设计出12个具有更高活性的新型喹诺酮羧酸类化合物。采用分子对接技术对药物与受体的作用机制进行了研究,结果显示,药物与蛋白酶的ASP 30、ASP 29和ASN 25位点作用明显,该QSAR的研究结果可为新药合成提供理论参考。

摘要：喹诺酮类衍生物具有较好的抗菌杀菌能力及抗肿瘤活性,已广泛应用于感染性疾病的治疗。为了研究喹诺酮羧酸类衍生物的活性与分子结构两者之间的定量结构及活性关系(QSAR),基于分子的空间邻接矩阵,使用程序计算了48个喹诺酮羧酸类衍生物的电性拓扑状态指数和电性距离矢量,优化筛选了电性拓扑状态指数的E 1,E 8和电性距离矢量的M 26,M 32,M 36,M 81共6种参数,建立了这些分子的活性与E 1,E 8,M 26,M 32,M 36和M 81共6种参数的多元回归定量构效关系模型。将筛选得到的6种结构参数作为神经网络法的输入层节点,采用6-4-1的网络结构,建立了相对预测精度较高、稳定性较好的神经网络QSAR模型,所得预测活性模型的总相关系数R为0.9925,利用所建模型计算得到的喹诺酮羧酸类衍生物活性预测值与相关实验值的相对平均误差仅为0.87%,两者非常吻合。结果表明,喹诺酮羧酸类衍生物的活性与6种结构参数之间具有良好的非线性关系,基团类型和连接方式是影响喹诺酮羧酸类衍生物活性的主要因素。该研究对高效低毒新型药物的分子设计具有重要的现实意义。