計算機輔助抗丙型肝炎抑制劑的活性預測研究.pdf

1、丙型肝炎，全稱為丙型病毒性肝炎(Hepatitis C，HC)，主要經(jīng)輸血、針刺、吸毒等途徑感染。丙型肝炎是一種病毒性疾病，由丙型肝炎病毒(Hepatitis C Virus，HCV)感染，并在全球范圍內影響大約1.7億左右的病人。丙型肝炎病毒共有6種主要基因型組成，其中基因型1和2在美國、歐洲和日本最為普遍，而且對于基因型1的治療效果比其他基因型要差。因此，對于基因型1的丙型肝炎病毒的藥物研發(fā)需求更為迫切和急需。NS5B聚合酶和NS3

2、蛋白酶是丙型肝炎病毒的研究熱點。NS5B聚合酶的功能主要是在丙型肝炎病毒的復制過程中有重要作用，NS3蛋白酶在丙型肝炎病毒的成熟過程中，切割多蛋白，促使其他蛋白成熟。
　　本文以丙型肝炎NS5B聚合酶和NS3蛋白酶作為研究重點，收集了大量的相應酶的抑制劑，利用多種分子描述符和多種數(shù)據(jù)挖掘方法建立高低活性分類模型以及活性的定量預測模型。此后，利用分子形狀與靜電相似性模型和高低活性分類模型對NS3蛋白酶進行了新型抑制劑的虛擬篩選，并找

3、到了一個具有NS3蛋白酶抑制活性的先導化合物。其次，利用化學信息學方法對中藥的結構-活性關系進行研究，建立了中藥寒、熱藥性分類模型，并取得了很好的分類效果。此外，本論文對金黃色葡萄球菌的二氫葉酸還原酶抑制劑進行了以片段分子對接為基礎的虛擬篩選。論文主要研究內容如下:
　　(1)構建了HCV NS5B聚合酶NNIⅢ變構位點的抑制劑活性的高低分類模型和抑制劑活性的定量預測模型。
　　(a)先構建了HCV NS5B聚合酶NNIⅢ變

4、構位點的抑制劑高低活性分類模型。收集了已知活性的386個抑制劑，對于每一個化合物分別計算了全局描述符，二維自相關描述符和三維自相關分子描述符。根據(jù)三組不同的描述符利用支持向量機進行建模。發(fā)現(xiàn)基于全局和二維自相關描述符的模型2對于測試集的預測準確率達到了88.24％，MCC值達到了0.789。此后，新收集了80個不包含在訓練集和測試集中的化合物作為外部測試集，對所建立的三個模型的預測能力進行進一步的評估。發(fā)現(xiàn)基于全局描述符的模型1對于外部

5、測試集的準確率達到了86.25％，MCC值達到了0.732。其中，一些描述符被證明對模型的預測有重要的作用。如分子形狀描述符(InertiaZ，InertiaX和Span)，可旋轉鍵(NRotBond)，分子水溶性(LogS)和氫鍵相關描述符。
　　(b)隨后建立了HCV NS5B聚合酶NNIⅢ變構位點的抑制劑活性定量預測模型。共收集了333個已知活性的抑制劑構建數(shù)據(jù)庫。對每一個化合物分別計算了全局描述符和二維自相關描述符。同時，

6、將數(shù)據(jù)庫以兩種方法劃分訓練集和測試集:隨機劃分和自組織神經(jīng)網(wǎng)絡方法。此后，333個NS5B聚合酶抑制劑活性的定量預測模型分別用多元線性回歸和支持向量機構建。對于測試集，模型2B，即以自組織神經(jīng)網(wǎng)絡方法劃分訓練集測試集，并且以支持向量機方法構建模型，具有最好的預測能力，預測值與實驗值之間的相關系數(shù)達0.91。同時，也證明了一些描述符的重要性。分子復雜度（Complexity），氫鍵供體數(shù)目(HDon)和分子的水溶性(LogS)是影響抑制劑

7、活性的重要因素。一些原子電荷電勢相關描述符也同樣發(fā)揮著作用。為了進一步觀察化合物與NS5B聚合酶的作用，針對兩類不同的抑制劑做了分子對接。
　　(2)構建了HCV NS3蛋白酶的抑制劑活性的高、低分類模型和分子形狀、靜電相似性模型，并利用模型對數(shù)據(jù)庫進行虛擬篩選。
　　(a)首先建立了HCV NS3蛋白酶抑制劑高低活性的分類模型，收集了已知活性的413個抑制劑，對于每一個化合物分別計算了全局描述符和二維自相關描述符。根據(jù)不同

8、篩選描述符的方法選出的描述符，利用支持向量機進行建模。發(fā)現(xiàn)利用WeKa權重方法選取的描述符以及自組織神經(jīng)網(wǎng)絡方法劃分的訓練集測試集的模型2B對于測試集的準確率達到了90.76％，MCC值達到了0.799。根據(jù)ECFP4指紋圖譜計算分析，發(fā)現(xiàn)一些子結構有利于提高化合物抑制NS3蛋白酶的活性，例如環(huán)丙基和砜基等。
　　(b)隨后利用了分子形狀與靜電相似性原理，進行了HCV NS3蛋白酶抑制劑的虛擬篩選研究。旨在篩選出具有抑制NS3蛋白

9、酶的新型化合物。首先選出了5個目標化合物，利用之前建立的高低活性數(shù)據(jù)庫，驗證出3KEE配體是理想的目標化合物。之后構建了目標化合物的分子形狀與顏色模型，利用此模型對過濾過的類藥化合物庫進行化合物篩選。選出的化合物進一步進行靜電相似性打分。根據(jù)總得分，選取前30個化合物，放入之前所構建的高、低活性分類模型中，驗證出高活性化合物。最后進行化合物的活性測試。由于試劑公司以及實驗驗證方法問題，在10個化合物中得到了1個具有NS3蛋白酶抑制活性的

10、先導化合物。
　　(3)由于不同寒、熱藥性的中藥在治療不同疾病時可以發(fā)揮截然不同的作用，因此中藥的寒熱屬性分類在臨床治療中極為重要。本論文共收集了115味中藥，包括每一味中藥的化合物分子，以及此中藥的寒、熱屬性。計算了三種分子描述符，分別是全局描述符、Daylight片段描述符和MACCS描述符。利用自組織神經(jīng)網(wǎng)絡原理，并采用我們制定的標準進行建模，預測中藥屬性分類。結果證明，MACCS描述符建立的模型在分類效果上更好。當我們只關

11、注那些收集了大于30個化合物的中藥時，MACCS模型對測試集的預測能力提升到了95％。也證明了，收集到越多的化合物，其預測結果越可信。
　　(4)抑制細菌的二氫葉酸還原酶可以有效的抑制細菌的繁殖。本論文以金黃色葡萄球菌的二氫葉酸還原酶作為靶標，利用了以片段分子對接為基本方法，進行其抑制劑的虛擬篩選研究。此方法可以很大程度的提高篩選速度和篩選化學空間。首先利用數(shù)據(jù)庫過濾技術，在商業(yè)數(shù)據(jù)庫中篩選出我們想要的酸和堿的分子，并將酸和堿分子

12、放入二氫葉酸還原酶口袋中進行分子對接。分析其對接結果，找到酸和堿的對應基團的空間距離與角度適合形成酰胺和磺胺鍵，并生成新的酰胺和磺胺分子。隨后利用動力學模擬技術，得到化合物在靶標口袋中的軌跡文件，并利用軌跡文件計算化合物與蛋白質之間的綁定結合自由能。在已經(jīng)計算好的標準曲線上得到化合物的預測活性，并進行測活驗證此方法的正確性。
　　綜上所述，本文以丙型肝炎NS5B聚合酶和NS3蛋白酶作為研究重點，成功構建了基于NS5B聚合酶的分類和