通过基于特征值的拓扑指标和非线性回归技术对β-内酰胺抗生素理化性质的预测建模

这项研究为何重要

抗生素是现代医学的基石，然而细菌耐药性的演化速度已超过新药发现的速度。设计更好的抗生素越来越依赖能够预测候选分子性能的计算模型——例如预测分子挥发性、体积大小，或其与水和细胞膜的相互作用。本文探讨了一种数学上优雅的方法，利用图论和统计学工具而非仅依赖昂贵的实验检测，对一个主要药物家族——β-内酰胺抗生素——的这些性质进行预测。

把分子变成网络

作者并非简单地将药物视为球棒模型，而是把每个β-内酰胺抗生素视为一个网络：将原子作为点（称为顶点），化学键作为连接这些点的线（称为边）。从该网络中构建出若干数学矩阵，用以捕捉原子的连接关系、每个原子的键数以及沿键路径原子之间的距离。这些矩阵——称为邻接矩阵、拉普拉斯矩阵、无符号拉普拉斯矩阵与距离矩阵——从不同角度揭示分子的整体“形状”和连通性。

测量网络中的隐含模式

一旦得到这些连接矩阵，研究者就计算其特征值，这些数值总结了网络中深层的结构模式。基于这些特征值，他们构造了一系列称为谱描述符的数值指标，诸如邻接能、代数连通性与距离能等。每个描述符融合了整个分子图的信息，既捕捉到围绕单个原子的局部细节，也反映了分子的总体架构。由于β-内酰胺抗生素在环系和侧链上可能存在细微差别，这类对整体分子敏感的度量有助于将结构与行为联系起来。

将结构评分与日常性质联系起来

研究聚焦于七种临床重要的β-内酰胺化合物，包括众所周知的阿莫西林和亚胺培南，样本选择覆盖了不同尺寸和侧链模式。对于每种药物，小组收集了若干实测的实用理化性质数据：沸点、摩尔体积、分子折射率（表征分子弯光能力）、极性表面积、极化率（电子极易被扭曲的程度）和表面张力。随后他们检验每个单一谱描述符通过拟合三类非线性关系——二次、对数和幂律方程——在多大程度上能预测这些性质，拟合使用了标准统计软件。

预测效果如何？

结果显示，若干描述符与主要受分子尺寸和原子连接密度控制的性质呈强相关。例如，代数连通性、无符号拉普拉斯能和距离能常常表现出特别的信息量。二次方程——允许描述符与性质之间存在简单的曲线关系——通常比对数或幂律形式略有优势，表现为更高的决定系数和更低的预测误差。这表明分子网络结构与其宏观行为之间的联系往往是缓和的曲线关系，而非严格线性的。

该方法的局限

对于强烈依赖电子在分子表面分布以及特定相互作用（如氢键）形成的性质，建模效果较差。例如极性表面积和表面张力在预测值与实测值之间显示出更大散点。由于此处使用的基于图的描述符仅关注原子之间的连接关系及其距离，而未明确编码详细的电子效应或与周围分子的定向相互作用，这一局限反映了底层表示的简化，而非统计方法本身的失败。

对未来抗生素设计的意义

总体而言，研究表明基于特征值的图描述符提供了一种紧凑且易于解释的方式，可在不进行全面实验的情况下预测若干关键的β-内酰胺抗生素性质。通过捕捉原子总体布局与连通性，这些数学评分有助于预估化合物的沸点、占据空间以及其在整体环境中的相互作用。尽管对于依赖精细电子结构的性质，它们尚不能替代更详细的模型，但可与其他描述符类别和更大的数据集结合，为后续工作奠定坚实基础。对非专业读者而言，结论是：对分子蓝图应用巧妙的数学方法，能够辅助筛选与优化未来的抗生素，可能加速寻找能够超越细菌耐药性的药物的进程。

引用: Yuvaraj, A., Kalaimurugan, G., Thamizhmaran, R. et al. Predictive modeling for physicochemical properties of \(\beta\)-lactam antibiotics through eigenvalue based topological indices and non linear regression techniques. Sci Rep 16, 9389 (2026). https://doi.org/10.1038/s41598-026-39436-0

关键词: β-内酰胺抗生素, QSPR 建模, 图论描述符, 理化性质, 药物设计