7-Methylmercapto-pteridin | 204443-30-1

• 分子结构分类: 有机化合物 - 有机杂环化合物 - 蝶啶及其衍生物
• 英文名称: 7-Methylmercapto-pteridin
• 英文别名: 7-methylsulfanyl-pteridine；7-(Methylsulfanyl)pteridine；7-methylsulfanylpteridine
• CAS: 204443-30-1
• 化学式: C₇H₆N₄S
• 分子量: 178.217
• InChiKey: VNPCIBFTAYHHLJ-UHFFFAOYSA-N

计算性质

• 辛醇/水分配系数(LogP)：
  0.7
• 重原子数：
  12
• 可旋转键数：
  1
• 环数：
  2.0
• sp3杂化的碳原子比例：
  0.14
• 拓扑面积：
  76.9
• 氢给体数：
  0
• 氢受体数：
  5

反应信息

• 作为反应物：
  描述：

  7-Methylmercapto-pteridin 在 乙醇 、 氨 作用下， 生成 7-Amino-pteridin
  参考文献：
  名称：

  Albert et al., Journal of the Chemical Society, 1954, p. 3832,3833

  摘要：

  DOI：
• 作为产物：
  描述：

  7(8H)-蝶啶酮 在 吡啶 、 氢氧化钾 、 tetraphosphorus decasulfide 作用下， 生成 7-Methylmercapto-pteridin
  参考文献：
  名称：

  Albert et al., Journal of the Chemical Society, 1954, p. 3832,3833

  摘要：

  DOI：

文献信息

• Quantitative structure - activity relationships (QSAR)
  申请人：Kolossov Evgueni

  公开号：US20060229826A1

  公开（公告）日：2006-10-12

  A method for estimation of the distance from a domain by means of a fragment-based model, the method comprising the steps of identifying the fragments [r 1 to r n ] in a structure, comparing the or each fragment with one or more fragments in the model, if the or each fragment substantially matches a fragment in a model determining a first error measure between a contribution of the or each fragment and a contribution of the matching fragment in the model, if the or each fragment does not substantially match a fragment in the model determining which fragment in the model is the most similar to the or each fragment and determining a second error measure based on the similarity between the fragment and the most similar fragment; and combining the first error measure and the second error measure to generate a degree of separation between the activity of the structure and of the combined contribution of the fragments in the model.

  一种通过基于片段的模型估算与域的距离的方法，该方法包括以下步骤：识别片段[r 1 到 r n ]，将该片段或每个片段与模型中的一个或多个片段进行比较，如果该片段或每个片段与模型中的一个片段基本匹配，则确定该片段或每个片段的贡献与模型中匹配片段的贡献之间的第一误差测量值，如果该片段或每个片段与模型中的一个片段基本不匹配，则确定模型中哪个片段与该片段或每个片段最相似，并根据该片段与最相似片段之间的相似度确定第二误差测量值；结合第一误差测量值和第二误差测量值，得出结构活性与模型中片段综合贡献之间的分离度。