[发明专利]花色苷抗氧化活性三维定量构效关系模型的构建方法有效
申请号: | 201310022097.1 | 申请日: | 2013-01-21 |
公开(公告)号: | CN103093100A | 公开(公告)日: | 2013-05-08 |
发明(设计)人: | 敬璞;李平凡;钱柄俊;隋中泉;赵淑娟 | 申请(专利权)人: | 上海交通大学 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 上海旭诚知识产权代理有限公司 31220 | 代理人: | 郑立 |
地址: | 200240 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 花色 氧化 活性 三维 定量 关系 模型 构建 方法 | ||
1.一种花色苷抗氧化剂抗氧化活性三维定量构效关系模型的构建方法,包括以下步骤:
(1)测定花色苷物质的抗氧化活性大小,并将其随机分组为测试集和训练集,生物活性指标采用抗氧化活性的负对数表示;
(2)使用软件分析获得训练集和测试集中的化合物的三维空间结构,经构象优化获得优化的三维空间结构模型;
(3)以步骤(2)中优化得到的三维空间结构模型的公共刚性骨架为基础,以训练集中抗氧化活性最大的分子为模板进行分子叠合;
(4)用小分子探针搜寻叠合后化合物周围的力场信息计算力场值;
(5)对步骤(4)获得的力场信息与训练集中的化合物的生物活性值进行偏最小二乘法回归,获得花色苷物质抗氧化活性三维定量构效关系模型。
2.如权利要求1所述的构建方法,其特征在于,所述步骤(2)中使用软件分析获得化合物的三维空间结构,所述软件是指SYBYL-X1.2软件。
3.如权利要求1所述的构建方法,其特征在于,所述步骤(2)中的构象优化是使用Tripos力场进行优化,添加Gasteiger-Hückel电荷,能量收敛限为0.005kcal/mol,最大迭代次数为1000次。
4.如权利要求1所述的构建方法,其特征在于,所述步骤(3)中所采用的叠合方法为Align Database方法。
5.如权利要求1所述的构建方法,其特征在于,所述步骤(4)中所采用的小分子探针为sp3杂化的碳原子。
6.如权利要求1所述的构建方法,其特征在于,所述步骤(4)中所计算的力场值为CoMFA或CoMSIA力场值。
7.如权利要求1所述的构建方法,其特征在于,所述步骤(5)中对力场信息与训练集中的化合物的生物活性值进行偏最小二乘法回归,以交叉验证系数q2大于0.5,非交叉验证系数r2大于0.8为表征模型的合理性。
8.如权利要求1-7任一所述的构建方法,其中所述方法包括以下具体步骤:
(1)根据酚类物质的结构特点和活性大小,对表1中25个花色苷物质随机分组,选取18个化合物作为训练集,剩下的7个组成测试集;生物活性指标采用氧化自由基吸收能力ORAC来计算;
(2)分子优化:用SYBYL X-1.2分析软件构建训练集和测试集中化合物的三维空间结构。选用Tripos立场下的Powell方法,电荷类型为Gasteiger-Hückel,能量收敛限为0.005kcal/mol,最大迭代次数为1000次;其他参数选用默认值,进行分子优化,寻找每个分子的最优构象;
(3)分子叠合:分子优化后得到每个分子的最优构象,选取训练集中活性最高的化合物作为模板分子,以苯环为公共骨架,采用Align Database方法进行分子叠合;
(4)力场能量计算:利用sp3杂化的碳原子做小分子探针基团,计算在每个空间网格点上探针基团与每个分子的相互作用能量,即得到叠合后化合物周围的力场能量信息;
(5)模型建立:上述得到的力场能量值与训练集中化合物的生物活性值进行偏最小二乘法回归,首先采用抽一化法进行交叉验证分析,得到交叉验证相关系数q2和最佳主成分数n,然后利用得到的最佳主成分数进行非交叉验证分析,获得花色苷抗氧化剂抗氧化活性三维定量构效关系模型,以交叉验证系数q2大于0.5,非交叉验证系数r2大于0.8为表征模型的合理性,q2值越高表示活性分析的能力越强。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海交通大学,未经上海交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201310022097.1/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种喀斯特地貌城市的整体空调系统
- 下一篇:免费冷水冷式中央空调装置
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用