酸-β-环极复杂化研究以掩盖小麦中的苦味:基于机器学习的QSAR研究

科学领域:

• 生物化学 生物化学
• 计算化学计算化学
• 材料科学 材料科学 材料科学

背景情况:

• 环极素,特别是β-环极素,在各种行业中广泛用于封装水敏分子.
• β-cyclopodextrin对于掩盖化合物的苦味至关重要,例如在小麦中发现的那些.
• 存在需要预测模型来评估beta-cyclodextrin对各种化合物的苦味掩盖功效.

研究的目的:

• 开发可靠的预测模型来评估β-cyclodextrin的苦味掩盖能力.
• 为了研究β-环氧和酸之间的结合相互作用.
• 确定影响结合亲和力的关键分子描述因素.

主要方法:

• 利用 20 个酸的数据集与β-cyclodextrin 内腔对接,以确定结合常数.
• 集成的对接数据具有拓学,地形学和量子化学特征.
• 使用机器学习,特别是基因算法 (GA) 和多重线性回归 (MLR) 的组合,构建定量结构-活动关系 (QSAR) 模型.

主要成果:

• 开发了三种不同的ML/QSAR模型,以高准确度预测绑定常量.
• 取得了优异的绩效指标,包括0.969的训练和0.984的测试组的相关系数.
• 确定了积极促进结合亲和力的分子特征,例如六个成员的环,分支,电负性和极地表面积.

结论:

• 开发的ML/QSAR模型提供了一个可靠的工具,用于预测beta-cyclodextrin与化合物的结合亲和力.
• 了解影响结合的关键分子特征可以指导化合物的选择,以有效地掩盖苦味.
• 这项研究通过提供预测性见解,增强了循环二烯在制药,食品科学和农业中的应用.