综述：QSAR（定量结构-活性关系）和机器学习方法在（氟）喹诺酮类药物活性分析中的应用

《Expert Opinion on Drug Discovery》：QSAR and machine learning applied for the analysis of (fluoro)quinolone activity

氟喹诺酮类抗生素通过抑制DNA回旋酶和拓扑异构酶IV发挥广谱抗菌作用，其耐药性问题推动QSAR和机器学习技术在预测抗菌活性及评估环境生态影响中的应用，未来将结合计算机辅助药物设计和人工智能开发新型FQs并拓展其检测、降解及活性研究。

　　

摘要

引言

氟喹诺酮类（FQs）是一类抗生素，由于能够作用于DNA旋转酶和拓扑异构酶IV，因此对革兰氏阳性和革兰氏阴性细菌均有效。细菌对抗微生物药物的耐药性不断增加，这使得人们更加关注药物制剂的生物活性比较评估。在这方面，定量结构-活性关系（QSAR）分析被用于预测氟喹诺酮类的活性。QSAR是一种有效的工具，可用于预测抗菌、抗病毒、抗癌、遗传毒性等作用。此外，QSAR方法还能帮助评估氟喹诺酮类对环境和生态系统的影响。

研究范围

本综述总结了100多篇关于氟喹诺酮类药物的QSAR和机器学习研究的论文，这些研究涵盖了其多种药理、化学和生物学特性。

专家观点

作者预计未来会出现具有更强杀菌活性的新型氟喹诺酮类药物。这将通过计算机辅助药物设计和人工智能技术在药物开发中实现。未来的QSAR模型将有效应用于氟喹诺酮类活性的三个方面：1）利用免疫测定法检测氟喹诺酮类；2）抗生素在环境中的高光降解性和生物降解性；3）物理化学活性，特别是单线态氧和自由基的产生。