论文部分内容阅读
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。