论文部分内容阅读
β2肾上腺素受体(β2adrenergic receptor,β2AR)激动剂是一类禁止用于畜牧养殖和饲料添加的药物,但目前有关β2AR激动剂在饲料中的非法使用形势依然严峻。现行的食品安全机制是“救火”,而不是“防火”是主要原因。该类药物结构多样、替代品多、隐蔽性强,往往在使用了较长时间后才被证明有害,而且会造成严重危害和大面积中毒事件。现行的食品安全监管还缺乏一个非常重要的环节,即基于分子水平的食品安全预警技术,该技术可提前警示毒害物质及现有的β2AR激动剂类似物和替代品,这样不仅可将食品安全危机消除在萌芽阶段,防患于未然,而且还能显著降低食品安全的监管成本,获得事半功倍的效果,而当前这方面的研究还几乎是空白。另外现有的免疫检测法特异性强,每次只能检测一种兽药残留,对于β2AR激动剂这种类别繁多的物质很容易造成漏检,能同时检测多种药物的多残留分析,成为当前高通量快速筛选的急需方法,具有特异性免疫方法无法比拟的优点,是未来食品安全检测领域的关键技术之一。因此,针对这些问题开展相关研究工作是紧迫的也是重要的。论文的具体内容包括:第一章简述了β2肾上腺素受体及激动剂的研究背景,现有的检测方法及各自的优缺点,着重介绍了本论文中用到的几种用于构建预警系统的计算模拟方法(分子对接、药效团模拟和机器学习)及当前的研究现状。第二章到第四章为β2AR激动剂安全预警模型的构建,主要由三部分组成。第一部分为基于受体的分子对接方法建立的分类模型,系统比较了 10个β2肾上腺素受体对接的受试者操作曲线并发现了最适合用于对接的受体结构4LDE,通过比较不同打分阈值时的分类准确率选定最终的阈值为-8.60和-8.10。第二部分为基于药效团模拟建立的β2AR激动剂分类模型,构建了四个药效团模型。其中AAADPR8、AADPR229和AADPR32三个模型对训练集化合物活性预测值和实验值的回归系数分别是0.84、0.95和0.89,对测试集而言,该值分别是 0.57、0.63 和 0.44。第三部分为基于机器学习中广泛使用的三种方法(支持向量机、随机森林和k最近邻)建立的分类模型。通过选中的12个分子描述符建立的分类模型对训练集和测试集中化合物预测准确率都达到85%以上。第五章中综合运用上述三种模型评判化合物是否为β2AR激动剂,并搭建免费在线预测平台PARA(http://202.127.19.98:8049/)。PARA能准确预测95%的已知β2AR激动剂,同时在中国禁止使用的15种β2AR激动剂PARA全部预测正确,这充分说明PARA可作为β2AR激动剂食品安全预警系统,减少潜在的毒害物作为食品添加剂带来的威胁。最后一章我们应用分子模拟研究为β2AR激动剂多残留电化学传感器的设计和制备提供辅助,从β2AR激动剂与受体的结合分析了两者间存在的相互作用,并制备了一种可同时检测三种β2AR激动剂的多残留生物传感器,该传感器在0.01-100 ng/mL范围内获得了较好的线性关系。