基于拓扑指数与M-多项式构建阿尔茨海默病药物QSPR模型的拓扑药物化学研究

《Scientific Reports》：Developing a QSPR model for Alzheimer’s drugs using topological indices and M-polynomial: A computational study

本研究针对阿尔茨海默病药物研发中理化性质预测的需求，开发了一种基于拓扑指数和M-多项式的定量结构-性质关系(QSPR)计算框架。研究人员通过MATLAB编程计算了九种临床相关药物的度基拓扑指数，并建立了多种回归模型。结果表明，非线性模型（特别是三次方程和幂方程）对沸点(BP)、摩尔折射率(MR)等关键理化性质具有卓越的预测能力（R2最高达0.963），其中重新定义的第一Zagreb指数(ReZG1)和修正的第一Zagreb指数(M1*)表现出最优的预测性能。该研究为阿尔茨海默病治疗药物的理性设计提供了高效的计算工具。

　　

阿尔茨海默病作为一种神经退行性疾病，全球患者数量预计到2050年将超过1.5亿，给社会带来沉重负担。当前治疗策略主要侧重于延缓疾病进展，而非彻底治愈。然而，传统药物发现过程存在筛选效率低、成本高等瓶颈问题，亟需开发高效的计算预测方法。

为解决这一问题，Mohammad Hadi Akhbari等研究人员在《Scientific Reports》上发表了题为"Developing a QSPR Model for Alzheimer's Drugs Using Topological Indices and M-polynomial: A Computational Study"的研究论文。该研究创新性地将图论中的拓扑指数与M-多项式方法相结合，构建了一个能够预测阿尔茨海默病药物理化性质的定量结构-性质关系(QSPR)模型。

研究人员采用了一种系统化的五步计算策略：首先通过TopoCluj软件绘制分子结构图并计算邻接矩阵；然后利用MATLAB程序确定边分区矩阵的基数矩阵；接着基于M-多项式方法计算阿尔茨海默病药物的M-多项式表达式；随后通过MATLAB代码计算12种Zagreb型拓扑指数；最后运用SPSS软件进行回归分析并选择最优模型。

主要技术方法概述

研究团队选取了九种阿尔茨海默病临床相关药物（包括多奈哌齐、加兰他敏、美金刚等），通过M-多项式形式化方法和边分区技术，系统计算了包括第一Zagreb指数(M₁)、第二Zagreb指数(M₂)、重新定义的第一Zagreb指数(ReZG₁)等在内的12种度基拓扑指数。采用线性、二次、三次、对数、幂函数等多种回归模型，以决定系数(R²)、平均绝对误差(MAE)、均方误差(MSE)和均方根误差(RMSE)为评价指标，建立了拓扑指数与关键理化性质之间的定量关系模型。

M-多项式计算方法

研究采用M-多项式作为核心数学工具，其定义为M(G, x, y) = Σ_{δ≤i≤j≤Δ}m_ijxⁱy^j，其中m_ij表示端点度为{i, j}的边数量。通过微分算子D_x= x?f(x,y)/?x、积分算子S_x= ∫₀^xf(t,y)/t dt等运算，可从M-多项式导出各类拓扑指数。以ABT-089药物为例，研究详细展示了从M-多项式到12种拓扑指数的手动计算过程，验证了MATLAB程序的准确性。

数值结果与回归模型

研究计算了九种药物的拓扑指数数值，并建立了它们与七种关键理化性质（沸点BP、闪点FP、摩尔折射率MR、极化率P、摩尔体积MV、汽化焓E和极性表面积PSA）的回归关系。通过相关系数分析发现，ReZG₁指数与多数性质表现出极强相关性：与极化率P的相关系数达0.981，与摩尔折射率MR的相关系数达0.981，与沸点BP的相关系数为0.965。线性回归模型显示，ReZG₁预测摩尔折射率的模型MR = 6.54 + 3.62 ReZG₁决定系数R²= 0.962，误差指标优异（MAE = 3.18，RMSE = 3.61）。

关键相关性解读

非线性模型表现出显著优势。三次模型在预测沸点和闪点时最为有效，如基于M₁^*指数的三次模型对沸点的预测R²达0.949。幂模型则对摩尔折射率和极化率预测最佳，ReZG₁指数的幂模型对摩尔折射率的预测R²达0.963。值得注意的是，不同性质需要匹配特定的拓扑指数和模型类型才能获得最优预测效果。例如，增强的Zagreb指数(AZ)在三次模型中对汽化焓E的预测表现突出（R²= 0.922），而极性表面积PSA与所有拓扑指数均未显示出显著线性相关性，表明该性质可能受更复杂的空间因素支配。

模型类型与性能意义

研究表明，模型选择与指数选择同等重要。立方模型适用于沸点、闪点等受复杂分子间作用力影响的属性；幂模型则更适合摩尔折射率等遵循尺度律的性质。这种属性特异性建模策略是构建高精度QSPR框架的关键。ReZG₁指数的卓越表现源于其对分子结构中边缘度分布的敏感性，能有效捕捉杂原子存在和分支模式等复杂结构特征。

研究结论与讨论

该研究成功建立了基于拓扑指数和M-多项式的阿尔茨海默病药物QSPR预测模型，证实了非线性回归模型在理化性质预测中的优越性。重新定义的第一Zagreb指数(ReZG₁)和修正的第一Zagreb指数(M₁^*)被证明是最有效的预测指标，能够捕捉分子结构中影响理化行为的关键特征。研究还强调了模型选择的重要性，不同理化性质需要匹配特定的回归模型才能获得最优预测效果。

该QSPR框架的主要优势在于其高效性和成本效益，能够在合成前快速可靠地预测药物性质，显著加速阿尔茨海默病治疗药物的理性设计进程。然而，研究也指出样本量较小（n=9）的限制，建议未来在更大规模、更多样化的数据集上进行验证。展望未来，该QSPR框架可进一步扩展至定量结构-活性关系(QSAR)分析，结合机器学习算法和三维描述符，为下一代阿尔茨海默病治疗药物的开发提供更强大的计算支持。