论文部分内容阅读
类药分子的药代动力学参数是新药临床前研究的重要内容。较差的药代动力学性质是类药分子在临床研究中失败的主要原因之一。随着计算机辅助药物设计的飞速发展以及临床前药动学数据的不断积累，采用计算的方法预测类药分子的药代动力学参数，为新药的临床前优化提供了重要的策略。本文首先介绍了药物代谢在新药研发中的重要意义，并对药物代谢研究热点—药物代谢位点以及代谢产物的预测方法分别进行综述，指出现有方法的不足之处。因此针对现有方法的不足，我们提出了一种综合的、低假阳性的、代谢反应类型广的代谢预测方法—RD-Metabolizer。 本文首先对生物转化数据库进行数据处理，生成建模所用的训练集;然后确定训练集中每个底物的反应中心，并首次采用细节性的反应SMARTS模式编码各反应中心的化学环境，进而构建得到添加反应SMARTS模式的反应中心拓扑原子指纹数据库和所有底物的拓扑原子指纹数据库;通过RDKit对反应SMARTS模式的作用结果校正由2D指纹相似性计算模型计算得到的类药分子中各位点的排名次序，同时给出相应的代谢产物结构，以此提高代谢位点预测的准确性及减少假阳性代谢产物的数目。通过两个测试集的验证，并与其他代谢预测方法进行比较，我们对该方法进行了评价。在代谢位点预测精度方面，RD-Metabolizer的预测结果略好于或与现有的代谢位点预测方法相当。在代谢产物预测方面，相较于其他的代谢产物预测方法，RD-Metabolizer生成的假阳性代谢产物数量有着明显的降低。此外，通过对Quinapril的代谢预测，证明了细节性的反应SMARTS模式能够覆盖化学反应空间中较多的反应类型，也证明RD-Metabolizer的应用范围更加广泛。 本文利用RD-Metabolizer对课题组前期开发的新颖的PfDHODH抑制剂—DH03A188和第三代EGFR-T790M耐药突变抑制剂—AZD9291进行了代谢预测。计算结果表明，RD-Metabolizer对DH03A188的预测结果不佳，反映在较差的代谢位点的区分能力上(AUC:0.491)，及较低的预测代谢产物的Top-3精确度和回收率值上（分别为7.7％和16.7％）;而对AZD9291的预测结果则较为精确，体现在较好的代谢位点的区分能力上(AUC=0.943)，及较高的预测代谢产物的Top-3精确度和回收率值上（分别为33.3％和50％）。此外，在AZD9291预测排名第一的位置，我们发现了AZD9291的活性代谢产物—AZ5104，说明利用RDKit对反应SMARTS模式的作用结果校正代谢位点排名有着重要的意义。通过这两个具体的实例，验证了RD-Metabolizer的预测性能与应用价值，表明能够将RD-Metabolizer运用于类药分子的代谢预测。