27、环糊精主客体结合预测与混合无监督极限学习机在相识别中的应用

环糊精主客体结合预测与混合无监督极限学习机在相识别中的应用

1. 环糊精主客体结合预测

在药物发现和开发领域，准确预测环糊精主客体结合能是一项重要任务。下面将详细介绍相关的材料与方法、结果及讨论。

1.1 材料与方法

• 数据收集 ：
  • 数据来源于 BindingDB 社区（https://www.bindingdb.org），每个记录包含一个主体（大分子）和一个客体（小分子）的分子复合物信息。
  • 数据库通过 smiles 提供分子结构信息、实验条件（pH 和温度）以及结合自由能（ΔG，kJ/mol）。
  • 重点关注 α、β 和 γ 环糊精（-CD），仅考虑 pH 在 6.9 - 7.4 且温度在 14.5 - 30.1°C 范围内的实验，最终得到 280 个独特观测值，其中 α - CD 有 73 个，β - CD 有 164 个，γ - CD 有 43 个。
  • 利用 KNIME 中的 RDKit Descriptor Calculation 模块，从主体和客体分子的 smiles 表示计算其他物理化学性质。主体分子的描述符见表 1，客体分子除相同描述符外，还包括形式电荷（FC）。
    | 环糊精类型 | SlogP | SMRa | ASAb | TPSAc | AMWd | HBAe | HBDf | RBd | Atoms |
    | — | — | — | — | — | — | — | — | — | — |
    | α - CD | -13.055 | 195.800 | 372.130 |