化学信息学 - 基于知识的中枢神经系统疾病的先导化合物发现和优化

时间:2014-05-07

基于知识的中枢神经系统疾病的先导化合物发现和优化
参考文献:ACS Chem. Neurosci. 2012 Jan 18;3(1):50-68IF=3.871
链接:http://pubs.acs.org/doi/abs/10.1021/cn200100h

 

      首先,作者从MDDR数据库、DrugBank数据库和WOMBAT-PK数据库中检索和收集了所有已批准上市的CNS和non-CNS药物作为原始化合物数据集。然后,采用Pipeline Pilot软件对这些化合物数据进行了清洗,包括对化合物结构的修正,化合物去重以及分组等。最后,有助于区分CNS与non-CNS化合物的各种物化和结构特征也通过PP的化学组件进行计算,并采用PP的统计分析和可视化组件对这些性质进行了统计和作图(如图1所示)。基于对CNS和non-CNS药物各种特征的分析与统计结果,作者还采用了PP统计分析模块的RP-tree组件建立了机器学习方法的分类模型(如图2所示),并对分类树的每个节点内物化和结构特征的变化规律进行了分析,例如:第二个节点处化合物的极性表面积(PSA)降低会影响药效,而降低化合物体积则有助于化合物通过血脑屏障,这些规律有助于CNS先导化合物的设计与优化。

 
图1.CNS与non-CNS药物分子中氢键供体和受体的分布情况
  
图2. 基于PP的RP-tree组件生成CNS与non-CNS药物的递归分割模型的决策流程
 

图3. 基于PP生成的综合考虑多种化合物性质用于先导化合物优化的多色带雷达图