z-logo
open-access-imgOpen Access
QSAR-АНАЛІЗ БІБЛІОТЕК 4-ТІАЗОЛІДИНОН-СПОРІДНЕНИХ ГЕТЕРОЦИКЛІВ ДЛЯ ПРОГНОЗУВАННЯ ПРОТИТРИПАНОСОМНИХ ВЛАСТИВОСТЕЙ НОВИХ ПОХІДНИХ
Author(s) -
Anna KryshchyshynDylevych
Publication year - 2021
Publication title -
medična ì klìnìčna himiâ
Language(s) - Ukrainian
Resource type - Journals
eISSN - 2414-9934
pISSN - 2410-681X
DOI - 10.11603/mcch.2410-681x.2020.i4.11738
Subject(s) - random forest , quantitative structure–activity relationship , trypanosoma brucei , biology , chemistry , stereochemistry , artificial intelligence , computer science , biochemistry , gene
Вступ. Похідні тіазолідинону та споріднених гетероциклів є джерелом нових протипаразитарних агентів, у тому числі молекул із протитрипаносомними властивостями. В актуальних наукових джерелах знайдено ряд досліджень про кількісний взаємозв’язок структура – протитрипаносомна активність, що включає різні підходи комп’ютерної хімії. Більшість досліджень належить до так званих мультитаргетних, коли до вибірки включають результати інших видів протипаразитарних активностей. Розробка нових QSAR-моделей похідних тіазолідинону з протитрипаносомними властивостями дозволить окреслити напрямки спрямованого дизайну нових протипаразитарних агентів на основі циклів тіазолу та тіазолідинону. Мета дослідження – встановити кількісний взаємозв’язок структура – протитрипаносомна активність у межах бібліотек тіазолідинонів та споріднених гетероциклів. Методи дослідження. Побудову математичних моделей на основі QSAR-аналізу здійснювали за допомогою онлайн-платформи Online Chemical Database. Результати й обговорення. Аналіз кількісного взаємозв’язку структура – протитрипаносомна активність проводили із застосуванням математичної моделі асоціативних нейронних мереж (ASNN: Associative Neural Networks) та методу регресії Random Forest (RFR: Random Forest regression) на основі вибірок, що включали похідні ізотіокумарин-3-карбонових кислот, тіопіранотіазолів і 4-тіазолідинон-імідазотіадіазолів із встановленою трипаноцидною активністю щодо Trypanosoma brucei brucei та Trypanosoma brucei gambiense. Кращу прогнозувальну здатність для групи ізотіокумарин-3-карбонових кислот і тіопірано[2,3-d][1,3]тіазол-2-онів обчислено за допомогою алгоритму Random Forest. Модель, обчислена на основі алгоритму Random Forest для групи імідазотіадіазолів, володіє найвищою прогнозувальною здатністю зі значенням R2=0,96. Висновок. На основі методів асоціативних нейронних мереж та регресії Random Forest розроблено прогностичні моделі для прогнозування протипаразитарної активності диверсифікованих похідних ­4-тіазолідинонів і подальшого фокусування напрямків оптимізації нових біологічно активних молекул із трипаноцидними властивостями.

The content you want is available to Zendy users.

Already have an account? Click here to sign in.
Having issues? You can contact us here