[发明专利]一种多酚氧化酶抑制剂的虚拟筛选方法

说明书

本发明公开了一种多酚氧化酶抑制剂的虚拟筛选方法。多酚氧化酶是造成烤烟挂灰的主要因素，抑制多酚氧化酶的活性可显著降低烤烟过程中出现的挂灰情况。本发明采用基于支持向量机算法的机器学习，对多酚氧化酶的抑制剂进行虚拟筛选。与传统的基于药理活性实验的高通量筛选等方法相比，本发明利用计算机将抑制剂筛选的过程在计算机上模拟，对化合物可能的活性作出预测，进而筛选多酚氧化酶的潜在抑制剂，具有成本低、速度快、效率高的特点。

技术领域

本发明属于多酚氧化酶抑制剂筛选技术领域，具体涉及一种多酚氧化酶抑制剂的虚拟筛选方法。

背景技术

挂灰烟是我国烤烟烘烤过程中极易产生的一类烤坏烟叶。它也是烟叶烘烤过程中无法避免的烤坏烟叶之一。尽管挂灰烟形成的因素复杂，既有栽培条件的复杂性，也有烟叶烘烤过程的复杂性，但从烤烟过程中的分子层面来看，烘烤过程中发生的酶促棕色化反应是发生挂灰的根本原因。在多酚氧化酶的作用下，烟叶中的多酚类物质经氧化产生淡红色至黑褐色的醌类物质，使烟叶颜色由黄转变为不同程度的褐色，从而导致烤烟挂灰。

因此，研发能抑制多酚氧化酶的抑制剂可以显著降低烤烟挂灰的发生。传统的抑制剂研发方法主要依赖大量的合成及生物活性测试，成本很高。特别注意的是，用于烟草的抑制剂分子有可能会被摄入人体，所以对抑制剂分子的安全性要求也很高。综上，研发一种能解决上述问题的技术是非常必要的。

发明内容

本发明的目的在于提供一种多酚氧化酶抑制剂的虚拟筛选方法。

本发明的目的是这样实现的，包括以下步骤：

S1、 训练预测模型：以多酚氧化酶抑制剂的生物活性数据为训练集，利用实现了支持向量机算法的libsvm程序，训练得到多酚氧化酶抑制剂的预测模型；

S2、准备筛选数据库：从数据库中获得已上市药物化合物数据，并计算每个药物化合物分子的分子描述符；

S3、用预测模型对数据进行筛选：用S1步骤中训练得到的预测模型对S2步骤中准备好的化合物数据库进行筛选，得到潜在的多酚氧化酶抑制剂；

S4、多酚氧化酶抑制剂预筛选：先将潜在的多酚氧化酶抑制剂进行预筛选，筛除带负电荷的抑制剂；

S5、将经过预筛选的多酚氧化酶抑制剂进行生物活性实验测量IC₅₀值，最终得到筛选出的多酚氧化酶抑制剂。

与现有技术相比，本发明具有以下技术效果：

1、本发明利用支持向量机算法的机器学习方法开展多酚氧化酶抑制剂的虚拟筛选，速度快、效率高，极大的降低了研发成本。

2、本发明在虚拟筛选的基础上结合实际筛选，筛除带负电荷的抑制剂并优选对铜离子有亲和性的同时使分子为电中性的抑制剂，进一步缩小需要做生物活性实验的潜在多酚氧化酶抑制剂的范围，大大缩短筛选周期，降低成本，提高筛选准确性。

3、本发明以已上市药物作为筛选数据库，是老药新用在烤烟领域的应用，保障了多酚氧化酶抑制剂的使用对人体的安全性。

4、本发明能够快速筛选出适用于烤烟领域的多酚氧化酶抑制剂，针对性强，有效解决现有烤烟在烘烤过程中容易出现挂灰烟的问题。

具体实施方式

下面结合实施例对本发明作进一步的说明，但不以任何方式对本发明加以限制，基于本发明教导所作的任何变换或替换，均属于本发明的保护范围。

本发明所述的多酚氧化酶抑制剂的虚拟筛选方法，包括以下步骤：

S1、训练预测模型：以多酚氧化酶抑制剂的生物活性数据为训练集，利用实现了支持向量机算法的libsvm程序，训练得到多酚氧化酶抑制剂的预测模型；