苯烷基胺类迷幻剂的定量结构—活性关系(QSAR)研究

苯烷基胺类迷幻剂的定量结构—活性关系(QSAR)研究

论文摘要

迷幻剂是指作用于精神的,能强烈改变感知、情绪及主体认知过程的药物。苯烷基胺作为迷幻剂的一大分类,研究其迷幻活性的定量结构.活性关系(QSAR),以用来预测类似化合物的活性、实现对滥用药物的分类和控制以及临床治疗药物的研发是很有必要的,具有现实的指导意义。本文中,我们首次以苯烷基胺类化合物的实验结构作为起始构象,在DFT/B3LYP/6-311+G(d,p)的理论水平上,计算得到了其较为精确的量子化学参数;然后采用由拓扑学方法计算得到的拓扑参数,并结合一些经验参数,首次使用人工神经网络(Artificial Neural Network,ANN)方法对其进行了QSAR研究,获得了一些比较满意的结果。具体内容如下:1、通过Gaussian 03软件采用量子化学密度泛函B3LYP方法,用6-311+G(d,p)基组,计算了75个苯烷基胺类化合物的电子结构参数,即分子的极化率α,分子偶极矩μ,最高占据分子轨道(HOMO)能量EHOMO,最低空分子轨道(LUMO)能量ELUMO,HOMO和LUMO轨道的能量差△EHL,次最高占据分子轨道(SHOMO)能量ESHOMO,次最低空分子轨道(SLUMO)能量ESLUMO,HOMO和SHOMO轨道的能量差△EH,SLUMO和LUMO轨道的能量差△EL,邻位碳原子净电荷之和Qo,间位碳原子净电荷之和Qm,对位碳原子净电荷Qp,苯环碳原子净电荷之和Qr,氮原子净电荷Qn。此外,我们还通过ChemOffiee 8.0软件计算获得了苯烷基胺类化合物基于距离的两个拓扑参数——Wiener(W)指数和Balaban(J)指数;以及通过手工计算得到了邻位取代疏水性之和Ho,间位取代疏水性之和Hm及对位取代疏水性Hp,分子总的疏水性H及计算过程中采用的各取代的疏水性引自文献;考虑到乙胺侧链的α甲基的存在与否,我们还采用了一个指示变量Ime,即α位甲基存在时Ime为1,α位甲基不存在时Ime为0。2、对75个苯烷基胺类化合物从前线轨道和电荷分布方面进行了量子化学分析,由分析结果可以推断出:苯烷基胺类化合物与受体发生反应时主要给出电子;取代的苯环以及邻位、间位与对位取代的S、O原子是苯烷基胺类化合物的活性部位。3、从75个化合物中选出结构较为相似的33个样本,用向后剔除变量法筛选出对其迷幻活性影响显著的6个变量,即α,Qn,Qr,Ho,Hm和J,并建立了如下线性回归方程:logMU=0.468α-7.627Qn-2.104Qr-5.157Ho-0.510Hm-0.0000063J-12.488其相关系数R=0.9340,标准误差Se=0.2068。用留一法对线性方程进行交互检验,复相关系数RCV2=0.7920,表明该线性模型具有良好的稳定性和预测能力。从75个化合物中随机选取了9个化合物,采用我们所建立的线性回归方程对其进行活性预测,发现该方程对外部样本的预测效果也较好。同时所得线性方程表明:33个苯烷基胺类化合物作为电子给体与受体发生作用,苯环和氮原子是其活性部位。这与量子化学分析的结果基本一致。4、对33个苯烷基胺类化合物,将其显著的6个变量作为人工神经网络的输入,建立了其ANN(6-10-1)型QSAR模型,其相关系数R=0.9992,标准误差Se=0.0036。对该模型进行留一法交互检验,得到复相关系数RCV2=0.7250。可以看出:人工神经网络模型比线性回归模型具有较好的拟合能力,其内部预测效果却不及线性回归模型,但其预测能力也是可以接受的。从75个化合物中随机选取了9个化合物作为该ANN模型的外部预测样本进行预测,发现该模型对外部样本的预测效果亦较好。所以可以将人工神经网络作为一种有效的QSAR建模工具,来寻找生物活性与结构参数之间隐含的一些非线性关系。5、对75个苯烷基胺类化合物,由于线性回归结果不太好,我们采用人工神经网络方法对其进行了QSAR建模研究。用逐步回归分析方法筛选出对其迷幻活性影响最大的7个参数:Qo,Hp,Qp,Ime,△EH,μ,Ho,将其作为人工神经网络的输入,采用ANN(7-14-1)网络结构建模,得出模型的相关系数R=0.9752,标准误差Se=0.0128。对该模型进行留一法交互检验,得到复相关系数RCV2=0.6972。结果表明:该ANN模型的拟合能力较好,且具有较好的预测能力和模型稳定性。说明影响75个苯烷基胺类化合物迷幻活性的因素是非线性的。6、对于文献中已用线性回归方法研究过的49个苯烷基胺类迷幻剂体系及具有抗癌作用的2-苯基吲哚衍生物体系用人工神经网络方法进行了应用研究,并将所得结果与线性回归结果进行比较,得出人工神经网络模型具有较好的拟合能力和预测能力。

论文目录

  • 中文摘要
  • ABSTRACT
  • 第一章 综述
  • 1.1 迷幻剂简介
  • 1.1.1 精神药理学效应
  • 1.1.2 毒性与成瘾
  • 1.1.3 迷幻剂分类及活性
  • 1.2 迷幻剂的作用机理
  • 1.3 苯烷基胺类迷幻剂的QSAR研究现状
  • 1.4 本文的工作
  • 参考文献
  • 第二章 原理和方法
  • 2.1 量子化学理论
  • 2.1.1 密度泛函理论(DFT)
  • 2.1.2 基组的选择
  • 2.1.3 Gaussian 03程序包简介
  • 2.1.3.1 结构优化和频率分析
  • 2.1.3.2 分子轨道分析
  • 2.2 定量结构-活性关系(QSAR)
  • 2.2.1 参数的计算
  • 2.2.1.1 拓扑学方法
  • 2.2.1.2 量子化学方法
  • 2.2.2 QSAR的分析方法
  • 2.2.2.1 多元线性回归
  • 2.2.2.2 人工神经网络
  • 2.2.2.3 模型的质量评价
  • 参考文献
  • 第三章 苯烷基胺类化合物的参数计算及量子化学研究
  • 3.1 数据来源
  • 3.2 参数计算
  • 3.3 量子化学研究
  • 3.3.1 前线轨道分析
  • 3.3.2 电荷分布分析
  • 3.4 结论
  • 参考文献
  • 第四章 苯烷基胺类化合物多元线性回归模型的建立
  • 4.1 参数筛选及模型的建立
  • 4.2 模型的检验
  • 4.3 结论
  • 参考文献
  • 第五章 苯烷基胺类化合物人工神经网络模型的建立
  • 5.1 33个苯烷基胺类化合物人工神经网络模型的建立
  • 5.1.1 人工神经网络模型的建立
  • 5.1.2 模型的检验及效果分析
  • 5.1.3 小结
  • 5.2 75个苯烷基胺类化合物人工神经网络模型的建立
  • 5.2.1 变量筛选
  • 5.2.2 模型的建立
  • 5.2.3 模型的检验
  • 5.2.4 结果及讨论
  • 参考文献
  • 第六章 人工神经网络的应用研究
  • 6.1 人工神经网络用于49个苯烷基胺类化合物的QSAR研究
  • 6.1.1 数据来源
  • 6.1.2 人工神经网络模型的建立
  • 6.1.3 模型的检验
  • 6.1.4 小结
  • 6.2 人工神经网络用于2-苯基吲哚衍生物的QSAR研究
  • 6.2.1 数据来源
  • 6.2.2 人工神经网络模型的建立
  • 6.2.3 ANN与MLR模型比较
  • 6.2.4 ANN模型的检验
  • 6.2.5 小结
  • 6.3 结论
  • 参考文献
  • 第七章 总结与展望
  • 7.1 总结
  • 7.2 展望
  • 发表文章目录
  • 致谢
  • 相关论文文献

    • [1].Molecular Docking and 3D-QSAR Studies on a Series of Fused Heterocyclic Amides as B-Raf Inhibitors[J]. 结构化学 2017(09)
    • [2].新型含偕二甲基环丙烷的4-甲基-1,2,4-三唑硫醚化合物的合成、生物活性及三维定量构效关系(3D-QSAR)研究(英文)[J]. 有机化学 2020(06)
    • [3].一类新型6-烷氨基-2-烷硫基嘌呤核苷衍生物抗血小板凝集的3D-QSAR研究[J]. 北京化工大学学报(自然科学版) 2017(04)
    • [4].吲哚衍生物的3D-QSAR研究和分子设计[J]. 陕西科技大学学报(自然科学版) 2016(05)
    • [5].国内有关黄酮类化合物及其衍生物的2D-QSAR和3D-QSAR研究进展[J]. 广东化工 2013(24)
    • [6].人工神经网络在蛋白质结构预测和QSAR中的应用[J]. 广东化工 2009(11)
    • [7].2D/3D-QSAR Studies of [1,2,4]Triazolo[1,5-a]pridinylpyridine Derivatives as Potent Anticancer Agents[J]. 结构化学 2014(12)
    • [8].广谱沙粒病毒抑制剂的3D-QSAR分析[J]. 分子科学学报 2014(05)
    • [9].三维原子场全息作用矢量用于芳香类化合物的三维QSAR研究[J]. 生态毒理学报 2008(01)
    • [10].3D-QSAR Analysis of a Series of Dihydroquinolizinone Derivatives as a Hepatitis B Virus Expression Inhibitor[J]. Chinese Journal of Structural Chemistry 2020(09)
    • [11].QSAR方法的研究进展及其应用[J]. 毒理学杂志 2017(03)
    • [12].苯胺类化合物生物毒性的QSAR研究[J]. 科技创新与应用 2015(22)
    • [13].QSAR模型内部和外部验证方法综述[J]. 环境化学 2013(07)
    • [14].基于QSAR模型研究芳烃化合物对小球藻的抑制活性[J]. 计算机与应用化学 2012(03)
    • [15].硝基苯类化合物对四膜虫毒性的QSAR研究[J]. 南京师大学报(自然科学版) 2009(04)
    • [16].Linear QSAR Regression Models for the Prediction of Bioconcentration Factors of Chloroanilines in Fish by Density Functional Theory[J]. 结构化学 2014(06)
    • [17].QSAR结合人工神经网络预测磺酰脲类除草活性[J]. 许昌学院学报 2012(02)
    • [18].有机磷农药在土壤中的消解机理及QSAR研究[J]. 土壤学报 2010(01)
    • [19].Determination of the Toxicities of 16 Halogenated Benzenes to Photobacterium Phosphoreum and 2D- and 3D-QSAR Studies[J]. 结构化学 2010(07)
    • [20].QSAR Studies on the Calanolide Analogues as Anti-HIV-1 Agents[J]. 结构化学 2010(10)
    • [21].一种新拓扑指数X用于烯烃的QSAR研究[J]. 唐山师范学院学报 2009(02)
    • [22].新蚁群算法在烷基酚类化合物的QSAR中变量选择的研究[J]. 计算机与应用化学 2009(06)
    • [23].2D-QSAR Studies on Phenoxybenzoic Acid Derivatives: A Novel Class of 5a-Reductase Inhibitors[J]. 结构化学 2008(01)
    • [24].QSAR Studies on the Inhibitory Activity of Levofloxacin-thiadiazole HDACi Conjugates to Histone Deacetylases[J]. Chinese Journal of Structural Chemistry 2018(11)
    • [25].中药化学成分对大鼠心脏毒性的QSAR研究[J]. 世界科学技术-中医药现代化 2015(09)
    • [26].咪唑衍生物类抗艾滋病药物3D-QSAR研究[J]. 原子与分子物理学报 2011(01)
    • [27].烷基苯磺酸盐急性毒性的QSAR研究[J]. 徐州师范大学学报(自然科学版) 2011(03)
    • [28].QSAR技术对化妆品中防晒剂成分经皮暴露评估[J]. 香料香精化妆品 2009(03)
    • [29].3D-QSAR Analysis of a Series of 1,2,3-Triazole-chromenone Derivatives as an Acetylcholinesterase Inhibitor against Alzheimer's Disease[J]. Chinese Journal of Structural Chemistry 2020(07)
    • [30].氯代酚类物质对斑马鱼的急性毒性及QSAR研究[J]. 环境科学与技术 2014(12)

    标签:;  ;  ;  ;  ;  

    苯烷基胺类迷幻剂的定量结构—活性关系(QSAR)研究
    下载Doc文档

    猜你喜欢