-
摘要:流感是由流感病毒引起的一种严重危害人类健康的急性病毒性呼吸道传染病，通过空气传播。本文通过计算机辅助药物设计的方法，综合3D-QSAR模型, 分子对接和药效团模拟的结果，设计出高效的新型流感病毒神经氨酸酶新位点的抑制剂药物。因此， 3D-QSAR模型都是快速有效的预测及新药设计必不可少的通用工具，可以为新型抗禽流感药物的筛选和设计提供数据，减少在全球爆发日间蔓延的流感疫情所造成的恶劣影响的可能性，为我们更深入的了解和设计神经氨酸酶抑制剂，提供了理论依据和研究方向。31031
- 上一篇：4-二（三氟甲基亚乙基）-3-环戊基氨基酸的合成研究
- 下一篇：抗肿瘤先导化合物N-（3-氟-4-（7-异羟肟酸）-庚胺基苯）-6,7-二甲氧基喹唑啉-4
CoMFA模型交叉验证系数q2=0.841，其非交叉验证相关系数R2=0.977，标准偏差为0.150，数据组间的平均平方误差与数据组内部的平均平方误差的比值F为176.441。CoMSIA模型的交叉验证系数q2=0.823， R2=0.958，标准偏差为0.199， F值为125.499。本次实验中，神经氨酸酶分为两组，分别是开环受体蛋白和闭环受体蛋白。并用开环受体蛋白，设计了20个新分子，来确定能否有150-空腔。药效团模型中，选取了10个活性较好，结构差异比较大的10个分子进行虚拟筛选，最后结果得出2个有活性的阳性分子。
毕业论文关键词: 3D-QSAR；分子对接；药效团；计算机辅助药物设计
Targeting influenza virus neuraminidase inhibitor design for new site
Abstract：Influenza is caused by a virus of a serious hazard to human health viral respiratory infection, transmitted through the airacutely.In this paper, the method of computer aided drug design, to integrate 3D-QSAR model, molecular docking and pharmacophore group simulation, the result is that we designed a high-efficiency, low toxicity model of statins. Therefore, the 3D-QSAR model is a fast and effective prediction and an essential generic toolsof designingnew drugs. It can provide data for the selection and design of new flu drugs, reducingthe adverse impact ofthe global spread of flu during the day. It provided a theoretical basis and research directions for our greater understanding and designing neuraminidase inhibitors.
CoMFA model cross validation coefficient of q2 =0.841, the non-cross validated coefficient R2=0.977, the standard deviation was 0.150, the ratio between the internal data set of mean square error and data set of mean square error of the F is 176.441. The CoMSIA model of cross validation coefficient q2 =0.823, R2=0.958, the standard deviation was 0.199, F is 125.499. In this experiment, neuraminidase were pided into two groups, namely the open-loop receptor protein and closed-loop receptor protein. With open-loop receptor protein, 20 new molecules were designed to determine whether there are 150-cavity. In pharmacophore model, we selected 10 molecules with different activities and structures for virtual screening, final get two positive molecules.
Keywords:3D-QSAR; molecular docking; pharmacophore; computer aided drug design
目录
第一章 1
1.1研究背景与目的 1
1.2研究现状与进展 2
1.2.1新型神经氨酸酶抑制剂 3
1.2.2对现有抑制剂进行结构修饰以靶向新的结合位点 3
1.2.3通过基于结构的虚拟筛选技术发现新化学分子 5
1.3研究的基本内容 8
1.3.1数据集的收集 8
1.3.2模型构建的准备工作及分子叠合，建立training(训练集)，test(测试集) 8
1.3.3CoMFA模型的建立 9
1.3.4 CoMSIA模型的建立 10
1.3.5训练集预测活性计算 11
1.3.6测试集预测活性计算及新化合物的设计 11
第二章理论原理及计算方法 12
2.1 SYBYL软件 12
2.2 三文定量构效关系 12
-
pH敏感靶向药物高分子载体材料的合成研究
-
双靶点抗肿瘤化合物GI-06合成工艺研究
-
种鸭高致病性禽流感H5亚型抗体水平的监测
-
猪链球菌小RNArss06靶位的鉴定
-
多壁碳纳米管负载声敏剂...
-
山东省养殖场禽流感病毒流行病学调查
-
种禽场及南京周边地区流感病毒的分离鉴定
当代大学生慈善意识研究+文献综述
乳业同业并购式全产业链...
十二层带中心支撑钢结构...
酸性水汽提装置总汽提塔设计+CAD图纸
java+mysql车辆管理系统的设计+源代码
大众媒体对公共政策制定的影响
中考体育项目与体育教学合理结合的研究
河岸冲刷和泥沙淤积的监测国内外研究现状
电站锅炉暖风器设计任务书
杂拟谷盗体内共生菌沃尔...