论文部分内容阅读
药物的有效性、安全性和稳定性等性质都是由药物分子的化学结构所决定的。利用计算机程序方法进行药物分子化学结构的自动生成和处理,可以发挥计算机的强大威力,加快新药研发的步伐。本文的主要工作正是围绕这一方向开展。
在本论文的第一章中,作者首先对国内外药物发展的概况进行了介绍和评述,简要地描述了药物研究以及计算机辅助药物分子设计领域。接下来详细介绍了在基于结构的药物设计中用于先导化合物发现的两种主要方法:虚拟筛选和从头设计。最后提出了本论文工作的整体安排。
由于有机小分子化合物在化学药物中占主导地位,对药物分子化学结构的处理也主要集中在对有机小分子化学结构的处理方面。为了准确地存储和传输有机分子的结构信息,人们发展了许多处理有机分子化学结构的方法,但是这些方法均存在一定的不足。作者发展了一种只依据有机分子最基本的三维结构信息识别有机分子化学结构的算法:I-interpret,并在本论文的第二章中描述了相关工作。该算法可用于转化各种格式的结构文件,矫正结构文件中的格式错误,适用于对大型有机化合物结构数据库进行处理。作者在两个结构多样性的测试集上测试了该算法,都取得了良好的效果,结果优于一些前人公开报道的算法。
在药物分子的化学结构自动生成方面,作者提出了一种用于先导化合物结构优化的自动剪裁和移植方法(AT&T)。本论文的第三章对该方法的发展和验证进行了描述。该方法充分利用虚拟筛选的结果,通过提取虚拟筛选结果中合适的结构片段对先导化合物进行改造。该方法可以与虚拟筛选、从头设计等方法相配合,构成一个从先导化合物发现到先导化合物优化的完整方法体系。作者使用Bcl-xL蛋白小分子抑制剂作为算例来检验该算法。在该方法给出的对给定先导化合物的数十种优化方案中,不仅包含了一些已知的Bcl-xL蛋白抑制剂分子,还包含了一些在核心骨架上新的取代结构。
在药物分子设计实践方面,作者进行了血管紧张素转换酶(ACE)有机小分子抑制剂的虚拟筛选工作。在本论文的第四章中描述了相关工作。作者利用自行发展的有机分子化学结构自动识别算法对一些化合物数据库进行了预处理,然后对处理之后的SPECS化合物库进行了基于结构的以及基于药效团的虚拟筛选,从约20万种化合物中挑出了158种化合物,并对这些化合物进行了分子水平上的ACE抑制活性测试,结果发现两种对ACE有一定抑制活性的化合物,为设计和开发新型ACE抑制剂的先导化合物提供了有益的参考。