点击次数：

论文类型：期刊论文

发表时间：2007-07-28

发表刊物：计算机与应用化学

收录刊物：PKU、ISTIC、CSCD

卷号：24

期号：7

页面范围：939-943

ISSN号：1001-4160

关键字：细胞色素P450,2C9;分子参数;逐步判别分析;K-均值聚类分析

摘要：细胞色素P4502C9(cytochrome P4502C9,CYP2C9)是肝脏重要的一种异物质代谢酶,许多药物或化学物质均可抑制和干扰其活性,在某种药物发现早期,预测基于CYP2C9抑制的药-药相互作用对筛选及发现新药具有重要意义.本文旨在建立CYP2C9抑制剂的预测模型,并确定抑制剂和非抑制剂显著不同的参数.选择81个化合物作为数据集,随机选其中64个为训练集,其余为验证集;选取250个分子参数给化合物数字化.采用逐步判别分析法(stepwise discriminant analysis method)和K-均值聚类分析法(K-Means cluster analysis method)模拟,建立数学模型,并用验证集检验模型的预测能力.结果表明:训练集的抑制剂正确率为96.4%,非抑制剂为97.2%;验证集的抑制剂正确率为85.7%,非抑制剂为90.0%.而采用K-均值聚类法时,抑制剂和非抑制剂的正确率也分别达到了82.9%和86.9%.对结果的深入分析找出对该模型贡献较大的参数为分子中氨基、烯基基团电拓扑状态指数、碳环数量以及疏水性参数,那些参数对区分抑制剂和非抑制剂两种结构差异、帮助指导CYP2C9抑制剂的筛选和发现具有重要意义.