用于预测抗病毒药物理化性质的拓扑共指数多项式

数学为何能加速埃博拉药物的筛选

发现新型抗病毒药物通常既缓慢又昂贵，因为每一种有希望的分子都必须在实验室中合成并进行测试。本研究探讨了一条捷径：利用数学和图论的思想将药物结构“读取”成条形码式的信息，预测其行为，而无需混合任何化学品。研究以针对埃博拉病毒提出的药物为例，展示了如何用精心设计的分子数值指纹来预测对药物在体内作用至关重要的物理性质。

把分子变成简洁的图像

这种方法的核心是将分子重新绘制为一个简单的网络：原子成为点，化学键成为连接它们的线。一旦药物被表示为网络，作者便计算拓扑指标——一些捕捉分子分枝数量、原子间连接紧密程度或整体对称性等特征的数值。这些指标将复杂的三维结构浓缩为少数可描述的值，使得在计算机上快速比较和分析大量分子成为可能。

具有更多细节的新型分子指纹

在以往工作的基础上，研究者引入并分析了一类更精细的指标，称为拓扑共指数（topological co-indices），它们源自两种数学构造：CoM 和 CoNM 多项式。与只考虑直接成键的原子不同，这些新描述符还考虑了虽然不直接相连但通过整体结构相互影响的原子对。CoM 关注每个原子处有多少键相连，而 CoNM 跟踪每个原子的“邻域”情况。通过将这种更丰富的信息编码到紧凑的多项式中，该方法能够在一步内生成多种不同的指标，为每个分子提供更细致的指纹，同时计算成本不高。

在埃博拉候选药物上的方法测试

研究团队将其框架应用于八种在埃博拉治疗背景下讨论过的抗病毒药物，包括加利德西韦（Galidesivir）、氯喹（Chloroquine）、法匹拉韦（Favipiravir）、阿莫地喹（Amodiaquine）、阿奇霉素（Azithromycin）、布林西多福韦（Brincidofovir）、克罗米芬（Clomiphene）和瑞德西韦（Remdesivir）。对每种药物，他们计算了一系列基于度和基于邻域的共指数，并将结果与来自 ChemSpider 数据库的实验数据进行了比较。考察的物理性质包括摩尔体积、摩尔折射率、极化率（分子电子极易被扭曲的程度）、表面张力、总体结构复杂度、疏水/亲水性（LogP）、密度和折射率。实际上，他们在问：这些数学指纹能否替代费时的实验测量？

寻找结构与性质之间的最佳联系

为探究这些联系，作者构建了定量构效关系（QSPR）模型——将每个拓扑共指数与特定物理性质联系起来的方程。他们尝试了三类模型：简单的直线（线性）拟合、对数拟合和二次（曲线）拟合。许多性质与特定指标显示出强相关，相关系数往往接近一，说明预测与实验数据高度一致。一些描述符，例如原子—键连通性共指数和若干基于邻域的指数，反复成为预测摩尔体积、摩尔折射率、极化率和结构复杂度等关键性质的最可靠因子。对于像油水平衡和密度这样更微妙的性状，非线性模型——尤其是对数和二次形式——比直线拟合更能捕捉关系，这强调了结构—性质间往往本质上是弯曲而非线性的。

对未来药物发现的意义

总体而言，这项研究表明，从 CoM 和 CoNM 多项式生成的精心设计的拓扑共指数可以作为抗病毒药物实验测量的有力替代。通过准确预测候选分子的行为，这些数学工具能够帮助科学家快速筛选大型化合物库，将实验集中于最有前途的候选物，并在合成前优化分子设计。尽管它们不能取代生物学测试，但此类描述符提供了一种快速、低成本的化学空间导航方式——在应对像埃博拉及其他新兴传染病等快速变化的威胁时尤为宝贵。

引用: Meharban, S., Ullah, A., Zaman, S. et al. On topological co-index polynomials for predictive modeling of the physicochemical properties of antiviral drugs. Sci Rep 16, 12456 (2026). https://doi.org/10.1038/s41598-026-43640-3

关键词: 埃博拉抗病毒药物, 拓扑指标, QSPR 建模, 分子图论, 计算机辅助药物设计