用于抗糖尿病药物定量结构性质关系分析的拓扑指数与机器学习技术

《Scientific Reports》：Topological indices and machine learning techniques for quantitative structure property relationship analysis of antidiabetic drugs

　　

摘要

糖尿病是一种慢性代谢性疾病，其特征是葡萄糖稳态失衡，最终会导致多个器官系统的严重并发症。尽管治疗手段已有所发展，但现有疗法仍无法完全控制疾病进展，这就迫切需要在药物发现和优化方面采取创新策略。在现代定量结构-性质关系研究中，能够反映分子结构及连接特性的拓扑指数起着关键作用。这些指数有助于预测决定药物相似性及治疗潜力的重要物理化学性质。在本研究中，针对一系列抗糖尿病药物分子，基于键分割框架分析了基于度、度之和以及逆度的拓扑指数。QSPR分析表明，这些指数与关键的物理化学属性之间存在显著相关性，从而证明了它们的预测价值。利用这些描述符，构建了预测模型，用以估算沸点、复杂度、重原子数、分子量、摩尔折射率、极化率、闪点、摩尔体积以及汽化焓等性质。为提升预测性能，还采用了随机森林和XGBoost等先进的机器学习算法。这类集成方法能够有效捕捉分子描述符与物理化学性质之间的复杂非线性关系，从而形成稳健且易于理解的预测模型。