基本信息
- 项目名称：
- 基于启发式和基因表达式编程法预测磺胺类药物的pKa值
- 来源：
- 第十一届“挑战杯”国赛作品
- 小类：
- 生命科学
- 大类：
- 自然科学类学术论文
- 简介：
- 目的：应用启发式算法(HM)和基因表达式编程方法(GEP)建立31种磺胺类药物pKa值的定量构效关系模型。 方法：用ChemOffice2004软件进行化合物的结构输入，利用半经验方法进行分子结构优化，在CODDESA软件中计算出组成、拓扑、几何、电子和量子化学参数；并用启发式方法筛选出4个相关参数，在此基础上运用多元线性回归和基因表达式编程方法建立QSPR模型。 结果：两种方法均得到了较好的结果，HM和GEP的的相关系数分别为0.90和0.95。结果表明，用GEP建立的非线性模型的预测结果与文献值非常接近。 结论：通过研究，建立了两种预测磺胺类药物pKa值的QSPR模型。在新药研究中，运用该模型可以预测其pKa值，为新化合物的研究提供理论指导。 关键词：磺胺类药物；pKa；定量构效关系；启发式算法；基因表达式编程方法
- 详细介绍：
- 在某个药物发挥作用前它至少要通过一个生物膜，这个过程是被动的或需要由某个中间体携带来完成。许多药物都包含离子基团，而且它们都有特定的pKa值。药物通常在特定的pKa值下通过主动运输机理穿透细胞膜或通过毛细孔[1]。因此，pKa值是影响药物药理作用的一个重要因素。通常，实验方法得到pKa值比较烦琐，发展一种容易应用和精确预测新化合物的pKa值的方法是十分必要的，在药物研究中尤为重要。 化学和生物效应与分子性质密切相关，而这些性质可以用多种方法计算或预测得到[2-4]。近年来，定量结构-活性关系（QSPR, QSRR）及其变化形式已经成为一种潜在的有效预测pKa值的方法[5-8]。QSPR方法的优越性在于一旦建立了模型就可以仅仅通过化合物的结构预测化合物的性质。此种方法扩展了合理筛选药物的范围，有助于寻找药物的作用机理。 基因表达式编程方法(GEP)[9]是一种基于自然群体遗传演化机制的高效探索算法，它摒弃了传统的搜索方式，模拟自然界生物进化过程，采用人工进化的方式对目标空间进行随机化搜索。它将问题域中的可能解看作是群体的一个个体或染色体，并将每一个体编码成符号串形式，模拟达尔文的遗传选择和自然淘汰的生物进化过程，对群体反复进行基于遗传学的操作（遗传，交叉和变异），根据预定的目标适应度函数对每个个体进行评价，依据适者生存，优胜劣汰的进化规则，不断得到更优的群体，同时以全局并行搜索方式来搜索优化群体中的最优个体，求得满足要求的最优解。 本文研究利用启发式算法(HM)和基因表达式编程方法(GEP)建立磺胺类药物pKa值的定量构效关系模型，预测31个磺胺类药物的pKa值，所用的描述符通过CODESSA软件计算得到。HM也用来挑选合适的分子描述符。通过研究，探讨建立准确预测pKa值的QSPR模型的可能性；比较两种方法的优劣；同时讨论影响pKa值的结构因素。
作品专业信息
撰写目的和基本思路
- 目的：应用启发式算法(HM)和基因表达式编程方法(GEP)建立31种磺胺类药物pKa值的定量构效关系模型。基本思路：查阅文献，得到31个磺胺类化合物的结构及pKa值；进行化合物的结构输入，利用半经验方法进行分子结构优化，在CODDESA软件中计算出组成、拓扑、几何、电子和量子化学参数；在此基础建立线性模型；再将筛选出的参数引入GEP程序，建立其非线性的QSPR模型；比较两种模型的预测能力。
科学性、先进性及独特之处
- 应用启发式算法(HM)和基因表达式编程方法(GEP)建立了31种磺胺类药物pKa值的定量构效关系模型。两种方法均得到了较好的结果，HM和GEP的的相关系数分别为0.90和0.95。结果表明，用GEP建立的非线性模型的预测结果与文献值更接近。而且，通过此行研究证明，GEP程序不仅能用来处理一般的数据，还可用于药物研究。
应用价值和现实意义
- 通过研究，建立了两种预测磺胺类药物pKa值的QSPR模型。在新药研究中，运用该模型可以预测其pKa值，为新化合物的研究提供理论指导。该项研究所取得的成果在磺胺新药的研究中具有实际应用价值，可谓此类药物的筛选提供依据。
学术论文摘要
- 目的：应用启发式算法(HM)和基因表达式编程方法(GEP)建立31种磺胺类药物pKa值的定量构效关系模型。方法：用ChemOffice2004软件进行化合物的结构输入，利用半经验方法进行分子结构优化，在CODDESA软件中计算出组成、拓扑、几何、电子和量子化学参数；并用启发式方法筛选出4个相关参数，在此基础上运用多元线性回归和基因表达式编程方法建立QSPR模型。结果：两种方法均得到了较好的结果，HM和GEP的的相关系数分别为0.90和0.95。结果表明，用GEP建立的非线性模型的预测结果与文献值非常接近。结论：通过研究，建立了两种预测磺胺类药物pKa值的QSPR模型。在新药研究中，运用该模型可以预测其pKa值，为新化合物的研究提供理论指导。
获奖情况
- 无
鉴定结果
参考文献
同类课题研究水平概述
