教程学习:AutoQSAR

教程和练习文件从软件官网下载

内容：

1、拷贝教程提供的练习文件素材：

在软件的help中选择需要的教程，点击Copy to，可以将教程需要的文件拷贝到指定的文件夹里。点击Browse可以进行预览。

2、建立一个数值型的QSAR模型评估结合亲和力：

这个练习演示了如何用AutoQSAR面板来设置、建立、介绍和应用与FactoXa结合的一系列同源配体的QSAR模型。

FactoXa（也称为Factor Xa）是一种蛋白酶，属于凝血系统中的血浆蛋白。
它是凝血级联反应中的重要组成部分，起着关键的生理功能，
主要功能是将凝血级联反应中的凝血因子X（Factor X）转化为凝血酶（thrombin）。
凝血酶进一步将纤维蛋白原转化为纤维蛋白，使血液凝固。

2.1、准备QSAR建模的数据：

在使用数据之前，Maestro Project Table将会被使用来处理以uM为单位结合结合亲和力数据。

• 单位的转换，IC50、EC50这些数据，多是以uM为单位，需要取对数转换为自由能标度。
• 建议将数据集分隔成75%的训练集和25%的验证集。
• 确保数据集大小合理。
• 配体应该提供2D或3D结构，每个配体具有单一电离和互变异构状态。训练集、验证集和预测集中分子的状态应该保持一致。

操作：

点击File>Import Structures

 导入Fxa_1z6e+train.maegz文件

点击window>project Table

 这里IC50，半数抑制率的单位是浓度uM（1uM\L），教程里将其转化为mol\L并取对数。

点击Execute执行，获得pIC50的新结合能属性，点击close关闭Calculator。

2.2、建立QSAR模型:

点击Tasks>AutoQsar

点击run运行 ，任务开始后，run按钮左侧的图标开始旋转。

在window>job Monitor里可动态监测任务的状态。

 状态说明任务已经执行完成了。任务完成后，我们得到一个qzip文件,这个就使建立好的模型。

将其导入到AutoQSAR面板中的View model and make prediction。

2.3、对建立的模型进行检查：

 这个模型名字说明，是用KPLS算法（一种偏最小二乘回归的扩展）拟合molprint2D指纹,在第38次对数据集进行分割（分为训练集和学习集）时候获得的。

molprint2D（fingerprint）是一种分子描述符（descriptor）或指纹方法，
用于表示化学分子的结构特征。molprint2D指纹是基于分子的二维结构信息生成的。
不同的软件工具和编程库提供了molprint2D指纹的计算和应用功能，
如RDKit、ChemAxon等。

在Report Details中可以对模型进行可视化

 2.4、用建立的模型对未知分子进行预测：

导入预测的分子的操纵

点击File>Import Structures
Files of type选择Maestro
在Options中确保Import all structures and Replace Workspace被选择。
打开教程提供的fxa_predict.maegz

选中导入的所有分子

打开Tasks里的AtuoQSAR，操作如下图：

 等待任务完成。

2.5、对预测结果进行分析：

导入预测好的fxa_prediction-out.mae.gz文件，选中导入的所有小分子

打开Project Table面板，点击Plot>New Scatter Plot

X轴选择Binding Affinity，Y轴选择Pred fxa affinity（由AutoQSAR计算得到）

设置Color by --> fxa affinity Domain Alert，Color map --> Winter(blue-green).

选择Best fit line选项，得到图片：

预警报化合物（Alert compounds）是指具有潜在毒性、危险性或不良效应的化合物
，可以通过特定的结构或功能团来进行识别和警示。
这些结构或功能团通常与已知的毒性或不良反应相关联。

预警报化合物通常基于已知的毒性数据、结构-活性关系和毒理学知识进行开发和验证。
一些常见的预警报结构或功能团包括：

烷基化合物：具有高脂溶性、高毒性或致癌性的长碳链烷基化合物。

酚类化合物：具有毒性、过敏性或肝毒性的酚类结构。

烯醇类化合物：具有不稳定性、反应性或肝毒性的烯醇结构。

亲电芳香族化合物：具有致突变性、致畸形性或致癌性的芳香族化合物。

羧酸类化合物：具有肝毒性、肾毒性或免疫毒性的羧酸结构。

需要注意的是，预警报化合物并不代表一定具有毒性或不良效应，而只是作为可能的指示物，
需要进一步评估和确认。对于具体的化学品评估和风险评估，综合考虑多种因素，
包括毒性数据、剂量效应关系、曝露情况和用途等，才能做出准确的评估和决策。

去掉错误的小分子（绿色点，表示Alert compounds），再重新作图：