QSAR МОДЕЛИРОВАНИЕ АНТИБАКТЕРИАЛЬНОЙ АКТИВНОСТИ ПРОИЗВОДНЫХ 1,2,4-ТРИАЗОЛА

Ключевые слова: антибактериальная активность, количественные соотношения структура - активность, производные 1,2,4-триазола, многомерная линейная регрессия, молекулярные дескрипторы

Аннотация

Цель. Разработка эффективных QSAR моделей предсказания антибактериальной активности для производных 1,2,4-триазола.

Методы и материалы исследования. Материалом для научных исследований послужили экспериментальные данные антибактериальной активности производных 1,2,4-триазола. Исследования проводились с помощью методов: QSAR моделирования, программирования, регрессионного многомерного анализа с помощью молекулярных дескрипторов.

Результаты. В работе описываются и анализируются математические модели предсказания антибактериальной активности на основе физико-химических параметров химических веществ. Проведены вычислительные эксперименты, которые продемонстрировали эффективность предложенных моделей. Сравнительный анализ моделей позволил выявить модель с наилучшими статистическими характеристиками: МАЕ=0,11; МАРЕ=10,74; точность прогноза=89,26%; MSE=0,0186; RMSE=0,1363.

Заключение. Были разработаны QSAR модели для прогнозирования антибактериальной активности двадцати восьми производных 1,2,4-триазола. В качестве факторов в моделях использовались от одного до шести молекулярных дескрипторов, порождаемых автоматически из структурных формул. Выбраны наилучшие модели на основе вычисленных статистических характеристик.

Скачивания

Данные скачивания пока не доступны.

Биографии авторов

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

доцент, кандидат технический наук

Veronika P. Trushina, ФГБОУ Новосибирский государственный университет экономики и управления

старший преподаватель

Литература

Osipov A.L., Trushina V.P. Teoriya prinyatiya resheniy v khimiko-biologicheskikh issledovaniyakh [Decision making theory in chemical and biological research]. V mire nauchnykh otkrytiy [Siberian Journal of Life Sciences and Agriculture], 2015, no. 4-2 (64), pp. 843-849.

Osipov A.L., Trushina V.P., Pyatnitsev D.V., Shlyapkin G.V., Pavlik I.O. Intellektual’nye tekhnologii analiza khimiko-biologicheskikh dannykh [Intelligent technologies for the analysis of chemical and biological data]. V mire nauchnykh otkrytiy [Siberian Journal of Life Sciences and Agriculture], 2014, no. 12-2 (60), pp. 749-757.

Osipov A.L., Aleksandrov V.V. Avtometriya, 2003, vol. 39, no. 1, pp. 114-125. https://www.sibran.ru/upload/iblock/2c5/2c5c8914db7135d1cd352c421ef87c8b.pdf

Osipov A.L. Avtometriya, 2004, vol. 40, no. 1, pp. 74-83. https://www.sibran.ru/upload/iblock/415/415d791111ccba0980dc85437fe760a3.pdf

Osipov A.L., Bobrov L.K. Prognozirovanie svoystv khimicheskikh soedineniy na osnove strukturno-neadditivnykh modeley s uchetom partsial’nykh vkladov strukturnykh [Prediction of the properties of chemical compounds on the basis of structurally non-additive models taking into account the partial contributions of structural ones]. Nauchno-tekhnicheskaya informatsiya. Seriya 2. Informatsionnye protsessy i sistemy, 2013, no. 9, pp. 35-39.

Osipov A.L., Trushina V.P., Chentaeva E.A. Predskazanie radioprotektornykh svoystv metodami raspoznavaniya obrazov [Prediction of radioprotective properties by pattern recognition methods].V mire nauchnykh otkrytiy [Siberian Journal of Life Sciences and Agriculture], 2014, no. 4 (52), pp. 123-127.

Osipov A.L., Semenov R.D. Modeli prognozirovaniya toksikologicheskikh svoystv khimicheskikh veshchestv [Models for predicting the toxicological properties of chemicals]. Avtometriya, 1995, no. 6, pp. 101-106.

Osipov A.L., Trushina V.P. Vzaimosvyaz’ elektronnykh parametrov molekuly s kantserogennoy aktivnost’yu [Interrelation of electronic parameters of a molecule with carcinogenic activity]. Siberian Journal of Life Sciences and Agriculture, 2019, vol. 11, no. 3-2, pp. 54-57.

Osipov A.L., Trushina V.P., Osipov F.L. QSPR modelirovanie teploemkosti al’degidov [QSPR modeling of heat capacity of aldehydes]. 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. Prognozirovanie lipofil’nykh svoystv proizvodnykh adamantana [Prediction of lipophilic properties of adamantane derivatives]. 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

Andryukov K.V., Korkodinova L.M. Fundamental’nye issledovaniya, 2014, no. 3, pp. 533-538. https://fundamental-research.ru/ru/article/view?id=33709

Pshenkina N.P., Sofronov G.A. Obshchaya reanimatologiya, 2011, vol. VII, no. 3, pp. 14-18. https://doi.org/10.15360/1813-9779-2011-3-14

Andryukov K.V., Korkodinova L.M. Nauchnye vedomosti Belgorodskogo gosudarstvennogo universiteta. Meditsina. Farmatsiya, 2018, vol. 41, no. 3, pp. 495-501. https://doi.org/10.18413/2075-4728-2018-41-3-495-501

Andryukov K.V., Korkodinova L.M. Sovremennye naukoemkie tekhnologii, 2019, no. 9, pp. 31-35. https://top-technologies.ru/ru/article/view?id=37661

Andryukov K.V., Korkodinova L.M. International Journal of Applied and Fundamental Research, 2019, no. 12, pp. 60-64. https://applied-research.ru/ru/article/view?id=12954

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

Tarko L. A Selection Method for Molecular Descriptors and QSPR Equations. MATCH Commun. Math. Comput. Chem., 2017, vol. 77, pp. 245-272. https://match.pmf.kg.ac.rs/electronic_versions/Match77/n2/match77n2_245-272.pdf

Mohammadinasab E. Determination of Critical Properties of Alkanes Derivatives using Multiple Linear Regression. Iranian Journal of Mathematical Chemistry, 2017, vol. 8, pp. 2, pp. 199-220. https://ijmc.kashanu.ac.ir/article_44911_fb51b07421247e66c784b0b7270c8254.pdf

Havare O. QSPR Analysis with Curvilinear Regression Modeling and Topological Indices. Iranian Journal of Mathematical Chemistry, 2019, vol. 10, no. 4, pp. 331-341. https://doi.org/10.22052/IJMC.2019.191865.1448

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://dx.doi.org/10.22052/ijmc.2015.8944

Forush M., Shafifi F., Dialamehpour F. QSPR Study on Benzene Derivatives to some Physico-Chemical Properties by using Topological Indices. Iranian Journal of Mathematical Chemistry, 2016, vol. 7, no. 1, pp. 93-110. https://dx.doi.org/10.22052/ijmc.2016.12410

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://dx.doi.org/10.22052/ijmc.2013.5284


Просмотров аннотации: 70
Загрузок PDF: 63
Опубликован
2021-06-30
Как цитировать
Osipov, A., & Trushina, V. (2021). QSAR МОДЕЛИРОВАНИЕ АНТИБАКТЕРИАЛЬНОЙ АКТИВНОСТИ ПРОИЗВОДНЫХ 1,2,4-ТРИАЗОЛА. Siberian Journal of Life Sciences and Agriculture, 13(3), 276-287. https://doi.org/10.12731/2658-6649-2021-13-3-276-287
Раздел
Биомедицинская химия