使用欧拉–索姆博指数的抗癌药物QSPR分析及关于一环图最小值的理论见解

为什么分子形状对抗癌药很重要

抗癌药由以复杂方式相连的原子构成，即使这些连接模式发生微小变化，也会改变药物在体内的行为。测量这些差异通常需要耗时且昂贵的实验室工作。本研究探索了一种数学捷径：使用一个单一数值——称为欧拉–索姆博指数，从分子的结构中提取，用以估算抗癌药物的重要物理性质——这有望帮助化学家更快地筛选候选分子并理解哪些形状更有效。

把分子转成简单的地图

化学家常把分子描述为图，其中原子是点，键是连接这些点的线。从这些图中，研究人员计算“拓扑指数”——经过精心设计的数值，用来捕捉分子的连接性和拥挤程度，而不涉及三维形状或量子力学。欧拉–索姆博指数是这一族的新成员。它结合了每个原子的化学键数以及这些原子如何相连的信息，为每个分子生成一个单一的数值指纹。由于一旦知道结构就很容易计算，该指数在大规模筛选药物候选时非常有吸引力。

预测癌症药物的关键性质

作者为17种已知抗癌药物计算了欧拉–索姆博指数，其中包括卡莫司汀、褪黑素和柔红霉素等药物。对于每种药物，他们从化学数据库收集了四个基本但关键的物理性质：沸点、熔点、焓（与变化状态所需热量相关）和摩尔折射率（反映分子与光相互作用的方式，并间接表明其电子的体积感）。然后他们使用标准的统计工具，即回归模型，检验仅凭这一结构指纹能否预测每一项性质的好坏。

该指数表现如何？

研究团队比较了三种回归类型：线性（直线趋势）、二次（轻微曲线）和对数（起初迅速上升然后趋于平缓）。对于沸点和焓，三种方法均显示出欧拉–索姆博指数与实测值之间有较强的关联，但对沸点的预测较不精确，预测值与实际温度之间的差异更大。熔点的相关性较弱但仍有意义。摩尔折射率表现尤为突出：该指数与数据高度一致，所有模型的预测误差都很小且统计可靠性很高。

寻找最佳数学拟合

更细致地看统计结果，作者发现对沸点、熔点和摩尔折射率而言，对数模型总体表现最好，给出了较高的相关值并且极低的结果来自随机噪声的可能性。对于焓，简单的直线模型略好于曲线模型。实际上，这意味着一旦知道候选分子的欧拉–索姆博指数，化学家就可以将其代入这些拟合方程，从而在实验室合成化合物之前获得若干物理性质的合理估计。研究也指出数据集规模有限，且沸点的预测仍相对噪声较大，因此这些模型应被视为有前景的指引而非最终结论。

简单图形的形状透露了什么

除了实用预测之外，论文还深入研究了欧拉–索姆博指数的数学性质。作者考察了“一环图”——恰有一个环的简单回路结构，并确定在固定顶点数下哪些一环图会产生最小和第三小的指数值。通过对不同图族进行细致的变换和比较，他们识别出一种使指数最小化的特定模式：短枝连到单一环上的方式。这些结果有助于阐明哪些结构基元会使欧拉–索姆博值升高或降低，将纯粹的图论与潜在的分子行为联系起来。

这对未来药物设计意味着什么

对非专业读者来说，关键结论是：一个从原子连接方式巧妙提取的数值，可以告诉我们大量关于分子行为的信息。欧拉–索姆博指数作为一种紧凑且信息量大的描述符，在抗癌药物的若干性质上表现出强劲潜力，尤其是摩尔折射率和焓。同时，对简单环状图的数学分析加深了我们对为何某些结构模式会导致指数增减的理解。综合来看，这些见解表明图论工具可以帮助化学家更高效、更有针对性地寻找未来的癌症疗法候选分子。

引用: Shetty, S., Rakshith, B.R. & Udupa, N.V.S. QSPR analysis of anticancer drugs using the Euler–Sombor index and theoretical insights on its minimum value for unicyclic graphs. Sci Rep 16, 6924 (2026). https://doi.org/10.1038/s41598-026-36855-x

关键词: 抗癌药物, 欧拉–索姆博指数, QSPR建模, 分子拓扑学, 化学中的图论