氟喹诺酮类药物的药效预测模型的应用

摘要

一种氟喹诺酮类药物的药效预测模型的应用，包括：用Accelrys Discovery Studio软件计算新氟喹诺酮的分子描述符；根据分子描述符选出4个细菌特异的药动－药效指标预测模型；选出1个细菌通用的定量构效关系模型；选出1个药效－结构预测模型；用杠杆值检验判断需要预测的新氟喹诺酮是否在杠杆值的预测范围3*p/n之内；如果新氟喹诺酮在杠杆值的预测范围3*p/n之内，用分子描述符代入模型进行预测；将不同初始体温、剂量代入药效－结构预测模型中预测体温随治疗天数变化的趋势。本发明与结构相结合，能够用在药物筛选或结构优化等研发初期，可以为临床给药方案提供参考，使大量的已开发的氟喹诺酮药物的药效信息能够得到应用。

主权项

一种氟喹诺酮类药物的药效预测模型的应用，其特征在于，包括如下步骤：1)用Accelrys Discovery Studio软件计算新氟喹诺酮的分子描述符，所述的分子描述符包括CHI_3_CH、CHI_V_0、IAC_mean、Zagreb、Num_Rings6、LogD、E_ADJ_mag、CHI_3_P和Num_H_Donors；2)根据分子描述符选出4个细菌特异的药动－药效指标预测模型；选出1个细菌通用的定量构效关系模型；选出1个药效－结构预测模型，其中，所述的4个细菌特异的药动－药效指标预测模型是：金黄色葡萄球菌ATCC29213：Log₁₀fAUC₂₄/MIC＝‑11.476+2.317*CHI_3_CH+0.396*CHI_V_0+3.928*IAC_Mean；粪肠球菌ATCC29212：Log₁₀fAUC₂₄/MIC＝‑4.061+0.0327*Zagreb+1.492*<2.590‑Num_Rings6>；大肠杆菌ATCC25922：fAUC₂₄/MIC＝‑2564.696+1367.216*CHI_3_CH+1416.158*IAC_Mean+14.623*Num_Rings6²+24.301*LogD；铜绿假单胞菌ATCC27853：Log₁₀fAUC₂₄/MIC＝0.213‑1.489*CHI_3_P+0.0198*E_ADJ_mag+2.729*IAC_Mean‑0.411*Num_H_Donors；所述的细菌通用的定量构效关系模型是Log₁₀fAUC₂₄/MIC＝‑0.356*Num_H_Donors–0.312*Num_Rings6+0.00347*E_ADJ_mag+1.331*CHI_3_CH；所述的药效－结构预测模型是TEMP＝36.739+(A0‑36.739)*exp(‑(0.0261*10^{(‑0.356*Num_H_Donors–0.312*Num_Rings6+0.00347*E_ADJ_mag+1W331*CHI_3_CH)}*Dose*DAY)，其中，A0表示治疗开始时初始体温，Dose表示剂量，单位为100mg，DAY表示治疗天数，TEMP是体温；3)用杠杆值检验判断需要预测的新氟喹诺酮是否在杠杆值的预测范围3*p/n之内，其中，p是模型中变量个数加1，n是样本个数，所述的杠杆值是用ARTE‑QSAR软件或者用帽子矩阵计算得到；4)如果新氟喹诺酮在杠杆值的预测范围3*p/n之内，则用步骤1)中的分子描述符代入步骤2)中的4个细菌特异的药动－药效指标预测模型和细菌通用的定量构效关系模型预测金黄色葡萄球菌ATCC29213、粪肠球菌ATCC29212、大肠杆菌ATCC25922、铜绿假单胞菌ATCC27853的fAUC24/MIC及平均水平的fAUC24/MIC；5)将不同初始体温、剂量代入步骤2)中的药效－结构预测模型中预测体温随治疗天数变化的趋势。