[论文解读] Quantitative Structure Property Analysis of Anti-Covid-19 Drugs

Sunilkumar M. Hosamani|arXiv (Cornell University)|Aug 6, 2020

Computational Drug Discovery Methods参考文献 19被引用 6

一句话总结

本研究采用定量构效关系（QSPR）分析，利用拓扑指数预测抗SARS-CoV-2植物化学物的理化性质。总连接性指数（SCI）和第一Zagreb指数（M₁）分别在预测分子量和拓扑极性表面积方面表现最优，为加速抗COVID-19药物发现提供了计算框架。

ABSTRACT

Inspired by recent work on anti-covid-19 drugs \cite{2} here we study the Quantitative-structure property relationships(QSPR) of phytochemicals screened against SARS-CoV-2 $3CL^{pro}$ with the help of topological indices like the first Zagreb index $M_{1}$, second Zagreb index $M_{2}$, Randi$\acute{c}$ index $R$, Balban index $J$ and sum-connectivity index $SCI(G)$. Our study has raveled that the sum-connectivity index $(SCI)$ and the first Zagreb index $(M_{1})$ are two important parameters to predict the molecular weight and the topological polar surface area of phytochemicals respectively.

研究动机与目标

• 建立SARS-CoV-2 3CLpro抑制性植物化学物的拓扑指数与关键理化性质之间的定量构效关系（QSPR）。
• 评估五种拓扑指数（M₁、M₂、R、J和SCI）在分子量和拓扑极性表面积（TPSA）预测中的表现。
• 识别出仅基于二维分子结构即可可靠估算类药物性质的最稳健分子描述符。
• 通过提供一种快速、低成本的方法，优先筛选有前景的植物化学物候选物用于实验验证，从而支持计算药物设计。

提出的方法

• 从20种经SARS-CoV-2 3CLpro筛选的植物化学物的二维分子图中计算五种拓扑指数（M₁、M₂、R、J、SCI）。
• 采用Qamar等人[14]和PubChem提供的实验数据作为分子量和拓扑极性表面积（TPSA）的参考值。
• 应用线性、二次和对数回归模型，将每种拓扑指数与分子量及TPSA进行相关性分析。
• 通过决定系数（R²）、F统计量和p值（S）评估模型性能，以判断统计显著性与预测准确性。
• 采用标准图论定义：顶点度、边贡献及基于距离的权重，用于计算Balban（J）和Randić（R）等指数。
• 通过相关矩阵和多种回归形式的模型拟合统计量验证结果。

实验结果

研究问题

• RQ1 在抗SARS-CoV-2植物化学物中，哪种拓扑指数与分子量的相关性最强？
• RQ2 总连接性指数（SCI）在预测这些化合物分子量方面表现如何？
• RQ3 哪种拓扑指数最能准确预测拓扑极性表面积（TPSA），该参数是类药物性质的关键描述符？
• RQ4 线性、二次和对数回归模型在从拓扑描述符预测理化性质方面表现如何比较？
• RQ5 第一Zagreb指数（M₁）能否作为TPSA的可靠预测指标，表明其在早期药物筛选中的潜力？

主要发现

• 总连接性指数（SCI）在预测分子量方面表现出最强的预测能力，在最佳拟合对数模型（模型50）中R²达0.791。
• 第一Zagreb指数（M₁）与拓扑极性表面积（TPSA）的相关性最强，在对数模型（模型61）中R²达0.815。
• 基于SCI的分子量预测模型F统计量为37.849，p值为0.000，表明具有高度统计显著性。
• Balban指数（J）预测能力较弱，R²值在0.159至0.472之间，表明其在这些性质预测中作用有限。
• 在所有指数中，SCI和M₁被确定为最可靠的描述符，其中SCI最适合分子量预测，M₁最适合TPSA预测。
• 使用对数和二次形式的回归模型在预测分子量和TPSA方面优于线性模型，尤其在SCI和M₁的预测中表现更优。