- 上一篇：年产1500吨甲硫醇钠的生产工艺设计+文献综述
- 下一篇：简单盐溶液的镀锌三价铬蓝白钝化工艺研究
3D-QSAR以配基和受体的三文结构特征为基础，根据分子的内能变化和分子间相互作用的能量变化来定量分析三文结构与生物活性间的关系。这就使得预测高活性化合物的结果可以用图像直观的显示出来[12]。3D-QSAR使用的技术主要有分子形状分析法（MSA）、比较分子力场分析法（CoMFA）、比较分子相似因子分析法（CoMSIA）、分子力场分析（MFA）、虚拟受体等。
一般来说，3D-QSAR方法通过计算被研究化合物的优势构象和分子中的原子电荷，确定被研究化合物构象在网格中的定位规则，并设计能容纳所有被研究化合物构象式的三文网格，根据定位规则将分子在空间进行叠加，计算每个化合物构象的一系列空间性参数（如立体排斥能、静电势等），最后用偏最小二乘法得出最佳组分数和3D-QSAR 模型。通过3D-QSAR模型可预测未知化合物的活性，同时得到的等高图可反映出决定化合物生物活性的各药效基团［13-14］。
3D-QSAR的基本原理主要是利用数学模式对药物的化学结构信息（如各种取代基参数，拓扑指数以及量子化学与分子力学计算参数）与其生物活性之间的关系进行定量分析，找出结构与活性间的量变规律，然后根据这种规律及未知化合物的结构预测未知化合物的性能。
3D-QSAR模型的研究建立在以下基础上：（1）分子的形状在一定程度上影响其生物活性，分子的活性构象是研究3D-QSAR的关键；（2）药物分子与受体之间的相互作用是借助可逆的、非共价结合的弱作用力实现的，如静电引力、疏水作用、氢键、范德华引力等。由于3D-QSAR直接反映药物分子与受体三文空间上的互补性，更准确表达了药物与受体之间的相互作用，因此，近十多年来3D-QSAR方法得到了迅速的发展。
2.3 研究方法概述
2.3.1 化合物活性构象的确定
在预测分子的几何构象以得到能量函数局部极小（即化合物的活性最大），力场是一种重要的方式。力场需要根据研究对象的特点来进行选择，在SYBYL-X软件中，提供了多种优秀的力场，而针对本文对Rho激酶抑制剂化合物，我们选用Tripos力场来进行优化，以确定化合物的活性构象。
2.3.2 分子叠合
要进行3D-QSAR研究，首先要选取化合物的3D活性构象进行叠合。构象选取及叠合的好坏直接关系到3D-QSAR研究的结果。如果化合物具有公共的骨架，就以公共骨架进行构象叠合；如果已知受体与配体的复合物三文结构，可以采用分子对接的方法得到其叠合的三文活性构象；也可以采用3D药效团模型得到的叠合构象进行3D-QSAR研究。
鉴于本文化合物具有公共骨架，采用的是Align Database方法将训练集化合物分子进行叠合。
2.3.3 CoMFA和CoMSIA简介
CoMFA和CoMSIA是应用最广泛的合理药物设计方法之一[15]，这种方法认为，药物分子与受体间的相互作用取决于化合物周围分子场的差别，以定量化的分子场参数作为变量，对药物活性进行回归分析便可以反应药物与生物大分子之间的相互作用模式进而有选择地设计新药。
比较分子力场分析方法（CoMFA），是目前最为成熟且应用最为广泛的方法。CoMFA 是在分子水平采用分子场研究分子性质，其最初是为小分子集而设计的，在不了解受体三文结构的情况下，研究这些药物分子周围三种作用力场分布，把它们与生物活性定量地联系起来，既可以推测受体的某些性质，又可依此建立一个模型来设计新化合物，并定量地预测其药效强度。CoMFA 的基本步骤可概括为：（1）确定各化合物的药效构象，依据合理重叠规则,把它们重叠在一个包容全部化合物分子的空间网格上；（2） 使用一个探针比如带一个单位正电荷的甲基计算相互作用能，这一步将产生一个基于Lennard-Jones 6-12 势的立体相互作用能和一个基于Coulombic 势的静电相互作用能，这些作用能即构成CoMFA 描述子矢量；（3） 用偏最小二乘法[16,17]（partial least square，PLS）确定可区分被研究化合物活性的最少网格点（以立体阻障、静电势、疏水性相互作用表示），进而建立各分子生物活性与相互作用能的3D-QSAR 模型；（4）作CoMFA 系数图，从系数图上可以清楚地看出哪些地方场强对生物活性影响最大，据此可以设计具有更强生物活性的新化合物。这只是一个总体简化的计算过程，大量的研究工作包括在上述各个步骤中，对其展开的激烈争论仍在继续。从CoMFA 的计算步骤及其应用情况可以看出：分析过程中要严格选择各种参数，慎重选取电荷以及有关的计算方法；严格定义排列标准和所选择的条件以及场的缩放比例和权重，对每一个分析都应该作交互检验并且应该考虑交互检验中的典型问题如离群项的讨论；最后要提供或至少要讨论最终模型的等高线，给出有关生物数据的出处以及生物数据的标准误差，提供观测值和预测值以及依赖于训练集的生物活性值的预测效果。应该说，CoMFA 方法中关键问题是合适的校准策略分子对接问题的选择。