
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.