基于化学计量学方法的新型酰基辅酶A:胆固醇酰基转移酶(ACAT)抑制剂设计及其抗高脂血症活性研究

为解决高胆固醇血症和动脉粥样硬化治疗难题，研究人员通过化学计量学方法对吲哚啉衍生物类ACAT抑制剂开展2D-QSAR研究。采用MLR、PLS和ANN等算法构建模型，筛选出惯性矩1尺寸、Kier Chiv4(簇)指数等关键描述符，最终获得r2=0.85的高预测精度模型，为新型降脂药物设计提供理论依据。

　　

这项创新性研究聚焦于酰基辅酶A:胆固醇酰基转移酶(Acyl-CoA:cholesterol acyltransferase, ACAT)抑制剂的定量构效关系(Quantitative Structure-Activity Relationship, QSAR)分析。作为调控膳食胆固醇吸收的关键酶，ACAT成为治疗高胆固醇血症和动脉粥样硬化的热门靶点。

研究团队对吲哚啉衍生物数据集进行系统分析，整合电子效应、拓扑结构和空间位阻等多维参数。通过逐步多元线性回归(Multiple Linear Regression, MLR)、偏最小二乘法(Partial Least Squares, PLS)等线性方法，结合人工神经网络(Artificial Neural Network, ANN)非线性建模，构建出预测性能优异的QSAR模型。其中最优模型统计指标亮眼：标准偏差S=0.35，F检验值60.30，相关系数r=0.92，决定系数r²=0.85，交叉验证r²_CV=0.82。

特别值得注意的是，惯性矩1尺寸、Kier分子形状指数中的簇状结构参数(Chiv4)和环状结构参数(Chiv6)被证实为影响抑制剂活性的核心描述符。这些发现为理性设计新一代高效ACAT拮抗剂提供了分子层面的指导蓝图，有望加速抗高脂血症药物的开发进程。