QSAR МОДЕЛИРОВАНИЕ ПРОТИВОГРИБКОВОЙ АКТИВНОСТИ ПРОИЗВОДНЫХ 1,2,4-ТРИАЗОЛА
Аннотация
Цель. Разработка QSAR моделей и исследование их эффективности для предсказания противогрибковой активности производных 1,2,4-триазола.
Методы и материалы исследования. Для проведения научных исследований использовались экспериментальные данные противогрибковой активности производных 1,2,4-триазола. Полученные данные обрабатывались с помощью методов QSAR моделирования с использованием молекулярных дескрипторов, автоматически порождаемых из структурных формул.
Результаты. Представлены новые QSAR модели для предсказания противогрибковой активности на основе шести физико-химических параметров химических веществ. Проведен сравнительный анализ QSAR моделей. Выявлена модель, которая обладает наилучшими статистическими параметрами: МАЕ=0,088; МАРЕ=8,63; точность прогноза=91,37%; MSE=0,013; RMSE=0,1145. 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. В качестве признаков 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
Литература
Andryukov K.V., Korkodinova L.M. Fundamental’nye issledovaniya, 2014, no. 3, pp. 533-538. https://fundamental-research.ru/ru/article/view?id=33709
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
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.
Osipov A.L., Trushina V.P., Pyatnitsev D.V., Shlyapkin G.V., Pavlik I.O. V mire nauchnykh otkrytiy [Siberian Journal of Life Sciences and Agriculture], 2014, no. 12-2 (60), pp. 749-757.
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. https://pharmaciyajournal.ru/ru/25419218-2017-03-11
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.
Pshenkina N.P., Sofronov G.A. Obshchaya reanimatologiya, 2011, vol. VII, no. 3, pp. 14-18. https://www.reanimatology.com/rmt/article/viewFile/295/235
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://doi.org/10.22052/IJMC.2016.12410
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://ijmc.kashanu.ac.ir/article_8944_42c0fe9fb5ea15ff42c016263779416c.pdf
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
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: 181 Загрузок PDF: 247
Copyright (c) 2021 Alexander L. Osipov, Veronika P. Trushina
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
