计算辅助酰基辅酶A胆固醇酰基转移酶抑制剂的研究

　　动脉粥样硬化是导致老年人死亡的主要心血管疾病诱因，他汀类药物虽为一线治疗选择，但存在并发症与不良反应。酰基辅酶A胆固醇酰基转移酶（ACAT）作为催化胆固醇酯化的别构酶，成为抗动脉粥样硬化及高胆固醇血症的新靶点。哺乳动物体内存在两种功能不同的ACAT亚型，大量实验表明ACAT-2可能足以作为治疗靶点。该论文通过计算机建模方法，系统研究了ACAT抑制剂的选择性与生物活性预测，为新型抗动脉粥样硬化药物开发提供了理论依据。

　　文档类型：学术论文。适用人群：药物化学、计算化学、心血管疾病领域的研究人员及研究生。可解决的实际问题：帮助研究者快速筛选高选择性ACAT-2抑制剂，降低实验成本；提供定量构效关系模型，用于预测新化合物的活性；揭示影响抑制剂选择性的关键分子结构特征。

　　论文第一部分聚焦于ACAT抑制剂的选择性分类模型。研究选取了10个分子描述符，分别采用Kohonen自组织映射（SOM）和支持向量机（SVM）两种分类方法构建了四个模型。测试集预测准确率均高于85%，表明两种方法具有良好稳健性，可用于后续虚拟筛选。此外，论文总结了选择性ACAT抑制剂的结构-活性关系，发现若干子结构对抑制剂区分ACAT-1与ACAT-2起重要作用，有助于理解选择性差异的分子基础。

　　第二部分针对ACAT-2抑制剂的生物活性定量预测。基于包含95个化合物的数据集，采用多元线性回归（MLR）和支持向量机（SVM）构建了两个定量模型。研究考察了469个ADRIANA.Code描述符，最终筛选出11个关键描述符，这些描述符能够详细反映分子的电荷、电负性等基本化学性质。结果表明，电荷与电负性是建模ACAT-2抑制剂生物活性的重要因素，所建模型可有效预测新化合物的活性值。

　　该论文综合运用分类与定量建模方法，为ACAT抑制剂的设计提供了完整计算框架。SOM与SVM分类模型可用于快速筛选选择性抑制剂，MLR与SVM定量模型则能精确预测活性强度。研究结论指出，通过优化分子中与选择性相关的子结构，并调控电荷与电负性特征，有望开发出高效低毒的ACAT-2靶向抗动脉粥样硬化药物。对于从事计算机辅助药物设计的研究人员，该文档具有直接的参考价值，可借鉴其描述符选择策略与建模流程，加速同类靶点的抑制剂研发。