论文部分内容阅读
计算机辅助药物设计(Computer Aided Drug Design, CADD)已经成为当代药物设计工作中十分重要的辅助性手段。本文介绍了计算机辅助药物设计中一些关键技术的发展情况及应用,详细介绍了本人运用计算机辅助药物设计手段在药物靶标识别、结构优化以及定量构效关系(Quantitative Structure-Activity Relationship, QSAR)分析方面开展的研究工作。论文的第1章为前言部分,综述了计算机辅助药物设计技术的背景及发展现状,具体对分子对接、药效团、定量构效关系及计算机辅助药物分子靶标识别的理论和应用做了详细的阐述。论文第2章介绍了FGFR1小分子选择性抑制剂的靶标识别与构效关系的研究。我们利用基于反向药效团匹配的靶标识别程序PharmMapper,对具有体外抗肿瘤细胞增殖活性的苊并[1,2-b]吡咯类化合物进行了靶标的预测工作。酶联免疫吸附剂测定实验(Enzyme Linked Immunosorbent Assay, ELISA)结果与计算结果一致,表明该类化合物为一种新型的酪氨酸激酶抑制剂,且对人类成纤维生长因子受体1(Fibroblast Growth Factor Receptor 1, FGFR1)表现出高效的选择性抑制作用。随后我们设计并合成了一系列苊并[1,2-b]吡咯衍生物,测试了这些化合物对FGFR1抑制活性,并根据化合物在FGFR1激酶结构域ATP结合位点的分子对接构象,分析了该类抑制剂的构效关系及其对FGFR亚型的选择性抑制作用。本研究工作是使用计算机辅助手段识别药物分子靶标的成功实例,并且这些研究成果对开发新型的用于临床抗肿瘤治疗的FGFR1抑制剂以及研究与FGFR相关的疾病发生机制都有着非常重要的指导意义。在论文第3章中,我们设计了一种将遗传算法(Genetic Algorithm, GA)与多元数据统计分析方法偏最小二乘(Partial Least Square, PLS)有机结合的遗传算法-偏最小二乘(GA-PLS)的Python程序,并将该程序用于苊并[1,2-b]吡咯类FGFR1小分子抑制剂的抗肿瘤细胞增殖活性的定量构效关系研究中。最终,我们获得了理想的QSAR模型,所得模型不仅可以较好地体现苊并吡咯[1,2-b]类FGFR1小分子抑制剂抗肿瘤细胞增殖活性与化合物性质的定量构效关系,还可以为进一步优化该类抑制剂结构提供有用的信息。论文最后一章是对全文工作的总结以及CADD方法的不足与展望。