ПРЕДСКАЗАНИЕ ПРОТИВОГРИБКОВОЙ АКТИВНОСТИ ПРОИЗВОДНЫХ 1,2,4-ТРИАЗОЛА С ПОМОЩЬЮ QSAR МОДЕЛЕЙ

  • Alexander L. Osipov ФГБОУ Новосибирский государственный университет экономики и управления http://orcid.org/0000-0002-1809-9147
Ключевые слова: производные 1,2,4-триазола, молекулярные дескрипторы, противогрибковая активность, количественные соотношения, регрессионный анализ

Аннотация

Цель. Разработка QSAR моделей и исследование их эффективности для предсказания противогрибковой активности производных 1,2,4-триазола против Aspergillus flavus, Aspergillus fumigatus и Trichophyton mentagrophytes.

Методы и материалы исследования. Для проведения научных исследований использовались экспериментальные данные противогрибковой активности производных 1,2,4-триазола против Aspergillus flavus, Aspergillus fumigatus и Trichophyton mentagrophytes. Данные анализировались с помощью QSAR моделей на основе молекулярных дескрипторов, автоматически порождаемых из структурных формул производных 1,2,4-триазола.

Результаты. Представлены новые QSAR модели для прогнозирования противогрибковой активности против Aspergillus flavus, Aspergillus fumigatus и Trichophyton mentagrophytes на основе шести физико-химических параметров химических веществ (eeig11r, eeig09x, r6m+, belm2, eeig12r). В ходе проведения сравнительного анализа разработанных QSAR моделей была выявлена модель, которая обладает наилучшими статистическими параметрами и не обладает мультиколлинеарностью: МАЕ=0,136; МАРЕ=12,55; точность прогноза=87,45%; MSE=0,028; RMSE=0,167. Среди шести факторов удалось выявить наиболее значимые.

Заключение. В результате проведенных исследований выявлены и проанализированы QSAR модели для предсказания противогрибковой активности производных 1,2,4-триазола против Aspergillus flavus, Aspergillus fumigatus и Trichophyton mentagrophytes. В качестве факторов в моделях было взято от одного до шести молекулярных дескрипторов. Проведена оценка факторов, которые вносят наибольший вклад в предсказание противогрибковой активности. Выбраны наилучшие модели на основе вычисленных статистических параметров.

Скачивания

Данные скачивания пока не доступны.

Биография автора

Alexander L. Osipov, ФГБОУ Новосибирский государственный университет экономики и управления

доцент, кандидат технический наук

Литература

Список литературы

Андрюков К.В., Коркодинова Л.М. Константы липофильности в поиске биологически активных веществ с противовоспалительным действием в ряду производных N-арилзамещенных антраниловых кислот / К.В. Андрюков, Л.М. Коркодинова // Фундаментальные исследования. 2014. № 3. С. 533-538.

Андрюков К.В., Коркодинова Л.М. Исследование связи структура-противомикробная активность с использованием молекулярного докинга в ряду замещенных амидов и гидразидов N-ароил-5-бром (5-хлор) антраниловых кислот / К.В. Андрюков, Л.М. Коркодинова // Научные ведомости Белгородского государственного университета. Медицина. Фармация. 2018. Т. 41. № 3. С. 495-501.

Андрюков К.В., Коркодинова Л.М. Математическое моделирование с использованием регрессионных моделей в молекулярном дизайне соединений с противовоспалительной, анальгетической и противомикробной активностью производных антраниловой кислоты / К.В. Андрюков, Л.М. Коркодинова // Современные наукоемкие технологии. 2019. № 9. С. 31-35.

Андрюков К.В., Коркодинова Л.М. Поиск соединений с анальгетической активностью с использованием молекулярного докинга в исследованиях «структура-активность» по ферментам циклооксигеназа 1 и 2 в ряду Т-замещенных антраниловых кислот / К.В. Андрюков, Л.М. Коркодинова // International Journal of Applied and Fundamental Research. 2019. № 12. С. 60-64.

Важев В. В., Мунарбаева Б. Г., Важева Н. В., Губенко М. А. QSAR-моделирование антифузариозной активности органических соединений // Аграрный вестник Урала. 2021. № 5(208). С. 55-62. https://doi.org/10.32417/1997-4868-2021-208-05-55-62

Мартынова Ю.З., Хайруллина В.Р., Гимадиева А.Р., Мустафин А.Г. QSAR-моделирование ингибиторов дезоксиуридинтрифосфатазы в ряду некоторых производных урацила // Биомедицинская химия. 2019. Т.65. №2. С. 103-113. https://doi.org/10.18097/PBMC20196502103

Раздольский А.Н., Григорьев В.Ю., Ярков А.В., Григорьева Л.Д., Страхова Н.Н., Казаченко В.П., Раевская, О.Е., Раевский О.А. Классификационные QSAR модели субстратной активности химических соединений к р-гликопротеину на базе спектра межатомных внутримолекулярных взаимодействий // Международный журнал прикладных и фундаментальных исследований. 2021. № 6. С. 97-103. https://doi.org/10.17513/mjpfi.13238

Овсянникова Л.Н., Лалаев Б.Ю., Яковлев И.П., Анисимова Н.А., Кириллова Е.Н., Ксенофонтова Г.В. Биологическая активность новых производных триазолов // Фармация. 2017. Том 66. № 3. С. 47-50.

Осипов А.Л., Бобров Л.К. Прогнозирование свойств химических соединений на основе структурно-неаддитивных моделей с учетом парциальных вкладов структурных элементов / А.Л. Осипов, Л.К. Бобров // Научно-техническая информация. Серия 2. Информационные процессы и системы. 2013. № 9. С. 35-39.

Осипов А.Л., Трушина В.П., Осипов Ф.Л. QSPR моделирование теплоемкости альдегидов/ А.Л. Осипов, В.П. Трушина, Ф.Л. Осипов // Siberian Journal of Life Sciences and Agriculture. 2020. Т. 12. № 1. С. 92-97. https://doi.org/10.12731/2658-6649-2020-12-1-92-97

Осипов А.Л., Трушина В.П. Прогнозирование липофильных свойств производных адамантана / А.Л. Осипов, В.П. Трушина // Siberian Journal of Life Sciences and Agriculture. 2020. Т. 12. № 5. С. 11-15. https://doi.org/10.12731/2658-6649-2020-12-5-11-15

Осипов А.Л., Трушина В.П. QSAR моделирование антибактериальной активности производных 1,2,4-триазола / А.Л. Осипов, В.П. Трушина // Siberian Journal of Life Sciences and Agriculture. 2021. Т. 13. № 3. С. 276-287. https://doi.org/10.12731/2658-6649-2021-13-3-276-287

Осипов А.Л., Трушина В.П. QSAR моделирование противогрибковой активности производных 1,2,4-триазола / А.Л. Осипов, В.П. Трушина // Siberian Journal of Life Sciences and Agriculture. 2021. Т. 13. № 6. С. 324-338. https://doi.org/10.12731/2658-6649-2021-13-6-324-338

Поройков В.В. Компьютерное конструирование лекарств: от поиска новых фармакологических веществ до системной фармакологии / В.В. Поройков // Биомедицинская химия. 2020. Том 66. Вып. 1. С. 30-41. https://doi.org/10.18097/PBMC20206601030

Havare O. QSPR Analysis with Curvilinear Regression Modeling and Topological Indices // Iranian Journal of Mathematical Chemistry. 2019. Vol. 10(4). P. 331-341. https://doi.org/10.22052/IJMC.2019.191865.1448

Mohammadinasab E. Determination of Critical Properties of Alkanes Derivatives using Multiple Linear Regression // Iranian Journal of Mathematical Chemistry. 2017. Vol. 8 (2). P. 199-220. https://doi.org/10.22052/ijmc.2017.58461.1225

Osipov A.L., Bobrov L.K. The use of statistical models of recognition in the virtual screening of chemical compounds / A.L. Osipov, L.K. Bobrov // Automatic Documentation and Mathematical Linguistics. 2012. Vol. 46. № 4. P. 153-158. https://doi.org/10.3103/S0005105512040024

Rostami Z., Manesh A., Samie L. QSPR Modeling of Antimicrobial Activity with Some Novel 1,2,4-Triazole Derivatives, Comparison with Experimental Study // Iranian Journal of Mathematical Chemistry. 2013. Vol. 4. No 1. P. 91-109. https://doi.org/10.22052/IJMC.2013.5284

Shafifi F. Relationship between Topological Indices and Thermodynamic Properties and of the Monocarboxylic Acids Applications in QSPR // Iranian Journal of Mathematical Chemistry. 2015. Vol. 6. No 1. P. 15-28. https://doi.org/10.13140/RG.2.1.1527.0886

Tarko L. A Selection Method for Molecular Descriptors and QSPR Equations // MATCH Commun. Math. Comput. Chem. 2017. Vol. 77. P. 245-272.

Wouter J.C. de Bruijn, Jos A. Hageman, Carla Araya-Cloutier, Harry Gruppen, Jean-Paul Vincken. QSAR of 1,4-benzoxazin-3-one antimicrobials and their drug design perspectives // Bioorganic & Medicinal Chemistry. 2018. Vol. 26. P. 6105–6114. https://doi.org/10.1016/j.bmc.2018.11.016

References

Andryukov K.V., Korkodinova L.M. Fundamental'nye issledovaniya, 2014, no. 3, pp. 533-538.

Andryukov K.V., Korkodinova L.M. Nauchnye vedomosti Belgorodskogo gosudarstvennogo universiteta. Meditsina. Farmatsiya, 2018, vol. 41, no. 3, pp. 495-501.

Andryukov K.V., Korkodinova L.M. Sovremennye naukoemkie tekhnologii, 2019, no. 9, pp. 31-35.

Andryukov K.V., Korkodinova L.M. International Journal of Applied and Fundamental Research, 2019, no. 12, pp. 60-64.

Vazhev V. V., Munarbaeva B. G., Vazheva N. V., Gubenko M. A. Agrarnyy vestnik Urala, 2021, no. 5(208), pp. 55-62. https://doi.org/10.32417/1997-4868-2021-208-05-55-62

Martynova Yu.Z., Khayrullina V.R., Gimadieva A.R., Mustafin A.G. Biomeditsinskaya khimiya, 2019, vol. 65, no. 2, pp. 103-113. https://doi.org/10.18097/PBMC20196502103

Razdol'skiy A.N., Grigor'ev V.Yu., Yarkov A.V., Grigor'eva L.D., Strakhova N.N., Kazachenko V.P., Raevskaya, O.E., Raevskiy O.A. Mezhdunarodnyy zhurnal prikladnykh i fundamental'nykh issledovaniy, 2021, no. 6, pp. 97-103. https://doi.org/10.17513/mjpfi.13238

Ovsyannikova L.N., Lalaev B.Yu., Yakovlev I.P., Anisimova N.A., Kirillova E.N., Ksenofontova G.V. Farmatsiya, 2017, vol. 66, no. 3, pp. 47-50.

Osipov A.L., Bobrov L.K. Nauchno-tekhnicheskaya informatsiya. Seriya 2. Informatsionnye protsessy i sistemy, 2013, no. 9, pp. 35-39.

Osipov A.L., Trushina V.P., Osipov F.L. Siberian Journal of Life Sciences and Agriculture, 2020, vol. 12, no. 1, pp. 92-97. https://doi.org/10.12731/2658-6649-2020-12-1-92-97

Osipov A.L., Trushina V.P. Siberian Journal of Life Sciences and Agriculture, 2020, vol. 12, no. 5, pp. 11-15. https://doi.org/10.12731/2658-6649-2020-12-5-11-15

Osipov A.L., Trushina V.P. Siberian Journal of Life Sciences and Agriculture, 2021, vol. 13, no. 3, pp. 276-287. https://doi.org/10.12731/2658-6649-2021-13-3-276-287

Osipov A.L., Trushina V.P. Siberian Journal of Life Sciences and Agriculture, 2021, vol. 13, no. 6, pp. 324-338. https://doi.org/10.12731/2658-6649-2021-13-6-324-338

Poroykov V.V. Biomeditsinskaya khimiya, 2020, vol. 66, no. 1, pp. 30-41. https://doi.org/10.18097/PBMC20206601030

Havare O. QSPR Analysis with Curvilinear Regression Modeling and Topological Indices. Iranian Journal of Mathematical Chemistry, 2019, vol. 10(4), pp. 331-341. https://doi.org/10.22052/IJMC.2019.191865.1448

Mohammadinasab E. Determination of Critical Properties of Alkanes Derivatives using Multiple Linear Regression. Iranian Journal of Mathematical Chemistry, 2017, vol. 8 (2), pp. 199-220. https://doi.org/10.22052/ijmc.2017.58461.1225

Osipov A.L., Bobrov L.K. The use of statistical models of recognition in the virtual screening of chemical compounds. Automatic Documentation and Mathematical Linguistics, 2012, vol. 46, no. 4, pp. 153-158. https://doi.org/10.3103/S0005105512040024

Rostami Z., Manesh A., Samie L. QSPR Modeling of Antimicrobial Activity with Some Novel 1,2,4-Triazole Derivatives, Comparison with Experimental Study. Iranian Journal of Mathematical Chemistry, 2013, vol. 4, no 1, pp. 91-109. https://doi.org/10.22052/IJMC.2013.5284

Shafifi F. Relationship between Topological Indices and Thermodynamic Properties and of the Monocarboxylic Acids Applications in QSPR. Iranian Journal of Mathematical Chemistry, 2015, vol. 6, no. 1, pp. 15-28. https://doi.org/10.13140/RG.2.1.1527.0886

Tarko L. A Selection Method for Molecular Descriptors and QSPR Equations. MATCH Commun. Math. Comput. Chem., 2017, vol. 77, pp. 245-272.

Wouter J.C. de Bruijn, Jos A. Hageman, Carla Araya-Cloutier, Harry Gruppen, Jean-Paul Vincken. QSAR of 1,4-benzoxazin-3-one antimicrobials and their drug design perspectives. Bioorganic & Medicinal Chemistry, 2018, vol. 26, pp. 6105-6114. https://doi.org/10.1016/j.bmc.2018.11.016


Просмотров аннотации: 125
Загрузок PDF: 69
Опубликован
2023-12-29
Как цитировать
Osipov, A. (2023). ПРЕДСКАЗАНИЕ ПРОТИВОГРИБКОВОЙ АКТИВНОСТИ ПРОИЗВОДНЫХ 1,2,4-ТРИАЗОЛА С ПОМОЩЬЮ QSAR МОДЕЛЕЙ. Siberian Journal of Life Sciences and Agriculture, 15(6), 452-466. https://doi.org/10.12731/2658-6649-2023-15-6-1002
Раздел
Междисциплинарные исследования