基于拓扑兼容性的机器学习驱动苝二酰亚胺（PDI）树状大分子代际筛选与药物分子结构匹配研究

《ChemistryOpen》：Machine Learning and Structural Analysis for Generation-Wise Selection of Perylene Diimide Dendrimers Based on Topological Compatibility With Drug Molecules

　　

机器学习（machine learning）正日益用于探索树状大分子—药物体系中的结构—性质关系（structure–property relationships）；然而，其与基于拓扑的结构兼容性分析的整合仍然有限。本研究提出一个学习驱动框架，用于评价苝二酰亚胺（perylene diimide, PDI）核树状大分子与抗病毒剂、抗氧化剂和成像剂之间基于拓扑的结构兼容性。在定量结构—性质关系（quantitative structure–property relationship, QSPR）框架内，采用线性回归（linear regression）、高斯过程回归（Gaussian process regression, GPR）和人工神经网络（artificial neural networks, ANN）识别主导的图论拓扑指数（graph-theoretic topological indices），并捕获线性与非线性结构—性质关系。上述认识与基于结构的兼容性分析相结合，该分析在不改变药物身份或排序的前提下对树状大分子代际进行排序。代际兼容性在全局归一化（global normalization）后采用标准化欧氏距离（standardized Euclidean distance）计算，并通过单调性与量级分析（monotonic and magnitude analysis）评估排序稳定性。结果表明描述符相关性具有类别依赖性，其中GPR对分子量（molecular weight, MW）、精确质量（exact mass）、单同位素质量（monoisotopic mass）和重原子数（heavy atom count, HAC）的测试集R²值高于0.94。代际兼容性分析进一步揭示了在所研究的药物类别间存在不同的基于拓扑的结构兼容性模式，凸显了将机器学习与图论分析相整合对于合理纳米载体设计及潜在包封适用性（encapsulation suitability）计算评估的价值。

研究背景与问题：纳米技术推动了纳米级递送平台的发展，树状大分子因其可控制的一代代分支结构、表面官能团和内部空腔而成为重要纳米载体。PDI核树状大分子具有较强荧光、光稳定性和低细胞毒性，并具疏水、富电子核结构，适用于包封研究。图论拓扑指数可紧凑编码分支、连接和分子复杂性，QSPR与机器学习已用于结构—性质关系研究。然而，机器学习与基于拓扑的结构兼容性分析整合仍有限；PDI核树状大分子各代与化学多样的抗病毒剂、抗氧化剂和成像剂之间的代际结构兼容性尚未系统采用标准化拓扑描述符研究；这些描述符在多大程度上编码药物—树状大分子匹配相关理化信息也不充分。因此，研究人员构建了整合拓扑指数、标准化结构兼容性分析、代际排序和QSPR建模的计算框架。

研究开展与结论意义：研究人员基于PDI核树状大分子多代分子图计算Leap Zagreb指数（Leap Zagreb indices；LM₁、LM₂、LM₃）和Wiener极性指数（Wiener polarity index；W_p），并与药物理化性质构成描述符空间；经全局标准化和标准化欧氏距离获得代际兼容性评分，并用线性回归、GPR和ANN分析结构—性质关系。结果表明GPR对分子量、精确质量、单同位素质量和重原子数的测试集R²高于0.94；代际兼容性呈现类别依赖模式，较低代D₀–D₂对多数治疗剂结构对应最佳。该研究为合理纳米载体设计和潜在包封适用性计算评估提供定量基础，但原文强调兼容性评分是计算相似度，不等同于实验包封效率、载药量、结合亲和力或释放行为。

关键技术与方法（不超过250字）：以PDI核树状大分子分子图（顶点为原子或结构单元，边为化学键）为基础，计算LM₁、LM₂、LM₃和W_p，采用闭式表达式评估n=0–4代；药物分子CID、异构SMILES及理化性质取自PubChem等established chemical databases；对PDI代际与抗病毒、抗氧化/天然多酚、成像/诊疗剂进行全局z-score标准化，以标准化欧氏距离和最大归一化得到0–1兼容性评分，按同一药物身份和排序进行代际排名，并用Spearman秩相关、均值兼容性及相对变化检验稳定性；QSPR采用线性回归、GPR（RBF核，80:20训练/测试，固定种子123，200次bootstrap）和ANN（多层全连接，同时预测六项性质，64:16:20训练/验证/测试，Adam优化与早停）。

研究结果：
2.1 图基表示：通过将PDI核树状大分子表示为顶点—边分子图并利用其递归分支导致的规则顶点、边数和重复邻域，得出该图表示可作为拓扑描述符和兼容性分析的结构基础。
2.2 拓扑指数计算：通过二阶邻居度及已推导闭式表达式计算四类指数，得到W_p=26×2ⁿ+67、LM₁=124×2ⁿ+492、LM₂=128×2ⁿ+678、LM₃=31×2ⁿ⁺¹+266；结论为这些指数可编码分支、连接和全局结构紧凑性。
2.3 药物类别与理化表征：通过纳入抗病毒剂、抗氧化/天然多酚和成像/诊疗剂并考察分子量、拓扑极性表面积（TPSA）、XLogP、氢键供体数（HBD）、氢键受体数（HBA）、可旋转键数（RotB）等，得出所选药物具有芳香或疏水骨架并覆盖不同尺寸、极性和柔性，可用于兼容性评估。
2.4 QSPR建模框架：通过以拓扑描述符预测MW、TPSA、XLogP、HBD、HBA、RotB和分子复杂性，得出可检验拓扑指数对多类理化性质的编码能力。
2.4.1 线性回归建模：通过建立单描述符线性QSPR并以R、R²、RMSE、标准误和p值筛选模型，得出可解释的基线模型。
2.4.2 跨治疗类别比较线性QSPR：通过分别分析三类化合物，发现尺寸、质量、重原子数和复杂度与W_p等显著相关，而极性、氢键、脂溶性和柔性描述较弱或不显著；结论为单描述符线性模型不足以描述复杂性质，需要多变量或非线性建模。
2.5 非线性机器学习模型：为捕获非线性结构—性质关系，采用GPR与ANN。
2.5.1 GPR：通过非参数贝叶斯GPR、RBF核、80:20训练/测试、固定种子123、标准化输入及R²、RMSE、MAE和200次bootstrap评估，得出GPR较线性回归预测更优并可给出不确定性。
2.5.2 跨类别模型性能比较：通过比较线性与GPR，发现GPR显著改善MW、精确质量、单同位素质量、重原子数和可旋转键等预测，其中MW、精确质量、单同位素质量、重原子数测试R²高于0.94；HBA、XLogP、TPSA和HBD仍较差，结论为拓扑指数强编码尺寸、质量和重原子相关性质，但不能充分编码电子、氢键和极性等性质。
2.6 ANN建模：通过全描述符向量、8个隐藏层、LeakyReLU、L2正则、Adam优化、64:16:20训练/验证/测试和早停同时预测HBD、HBA、RotB、复杂性、XLogP和TPSA，以检验更高容量模型的改善能力。
2.6.1 模型比较与评价框架：通过统一R²、RMSE和MAE比较线性、GPR和ANN，发现ANN对复杂性最好（R²约0.487），HBD部分改善，HBA、XLogP、TPSA差，RotB为负R²；结论为剩余预测限制主要源自描述符信息不足而非模型优化失败。
2.6.2 比较建模目标与描述符敏感性分析：通过比较线性回归的可解释性、GPR的概率非线性和ANN的高容量表示，并结合类别敏感性，得出GPR总体最可靠、ANN主要作为诊断工具，结构关系大体线性但存在非线性。
3.1 代际拓扑指数计算：通过对D₀–D₄计算四类指数并与药物指数合并，得出代际描述符矩阵，为兼容性分析提供基础。
3.2 全局标准化：通过将所有PDI代际和三类药物作为单总体进行全局z-score标准化，使各描述符零均值、单位方差，得出可避免单一描述符或治疗类别主导距离分析。
3.3 标准化描述符空间中的相似性测量与兼容性评价：通过标准化欧氏距离和最大归一化得到0–1兼容性评分，得出各代与药物的结构接近性；原文明确该评分为计算相似度，不是实验包封效率或结合亲和力的直接证据。
3.4 代际包封兼容性排名分析：通过在不改变药物身份和排序下按兼容性排序，发现较低代D₀–D₁最高，D₁–D₂对较大或复杂分子偶尔改善，D₃–D₄降低；总体D₀–D₂最适。
3.5 代际稳定性分析：通过Spearman秩相关、均值兼容性和相对变化评估，发现相邻代具有不同且非冗余的偏好，D₂→D₃呈中等正相关，D₃→D₄因并列或近均匀排名而为NA；均值兼容性随代增加单调下降，D₀总体最平衡，说明排名反映结构选择性。

讨论总结与结论翻译：综合而言，拓扑指数对尺寸、质量、重原子数和复杂性等结构主导性质编码较强，对极性、氢键和脂溶性等性质编码不足；代际兼容性以较低代D₀–D₂较优，GPR在预测中表现最均衡，ANN用于诊断描述符信息限制。研究结论翻译如下：为利用图论拓扑指数考察PDI基树枝状结构中的药物—树状大分子相互作用，研究人员开发了一种基于计算且具有化学基础的方法。Leap Zagreb指数（LM₁、LM₂和LM₃）与Wiener极性指数（W_p）为树状大分子和药物分子提供了严格结构描述，并在描述符全局标准化后进行比较。标准化欧氏距离产生兼容性评分，显示代际特异包封模式，其中较低代PDI树状大分子（D₀?D₂）对多数治疗剂表现出最理想结构对应。代际稳定性诊断确保这些趋势是系统性的并基于真实拓扑差异而非随机效应。基于QSPR的神经回归分析表明，拓扑指数与分子尺寸、极性、氢键潜力、构象柔性及体系复杂性等主要理化性质强相关，因而为有效且具化学可解释性的描述符。结果表明所研究PDI树状大分子代际与药物分子具有不同的基于拓扑的兼容性谱；这些计算模式提供结构指示，可支持进一步研究中的代际选择，而直接包封行为仍需补充的分子层面和实验验证。该整合方法为合理树状大分子设计、预测性药物载体匹配及未来化学信息驱动的纳米载体优化策略发展提供了稳健平台。未来研究应扩展至化学修饰PDI树状大分子，包括末端基团功能化和杂原子取代核，以考察电子与空间扰动对主客体选择性的影响；引入显式溶剂模拟和量子化学描述符可进一步阐明包封的机制基础；实验测定包封效率、载药量和释放行为可提供补充验证；扩展神经QSPR模型并加入额外分子特征或生成架构，可实现针对特定药物类别优化的树状大分子载体逆设计。