基于新型6-羟基苯并噻唑-2-甲酰胺靶向单胺氧化酶B的高效预测QSAR模型研究及其在神经退行性疾病治疗中的意义

本研究针对神经退行性疾病治疗中单胺氧化酶B（MAO-B）抑制剂的开发难题，通过改进定量构效关系（QSAR）模型，显著提升了新型6-羟基苯并噻唑-2-甲酰胺化合物的活性预测精度。研究人员结合启发式方法（HM）和基因表达编程（GEP）技术构建非线性模型，其训练集R2达0.89，测试集MSE低至0.1215。分子对接证实化合物31与MAO-B活性位点强结合，为神经保护药物研发提供了新候选分子和理论指导。

　　

神经退行性疾病（如阿尔茨海默病和帕金森病）与单胺氧化酶B（MAO-B）过表达密切相关，该酶会引发氧化应激和神经毒性。为开发高效MAO-B抑制剂，研究者对36种新型6-羟基苯并噻唑-2-甲酰胺化合物展开定量构效关系（QSAR）建模：先采用启发式方法（HM）建立线性模型（R2=0.5724），再通过基因表达编程（GEP）构建非线性模型，后者预测性能显著提升——训练集R2达0.89，测试集均方误差（MSE）仅0.1215。分子 docking 实验显示，化合物31能紧密结合MAO-B活性位点，展现强效抑制活性。这项研究不仅为神经保护药物研发提供了优质候选分子，其改进的QSAR建模策略更为后续药物设计提供了精准计算工具，有望加速神经退行性疾病治疗药物的开发进程。