На сегодня известны два основных подхода к разработке лекарств на основе лиганда: а) поиск соединений на основе химического сходства и б) предсказания на основе моделирования отношения «структура-активность», т.е. QSAR (quantitative structure-activity relationship). Подходы на основе сходства, требуют иметь одна известное активное соединение, в то время как модели QSAR могут быть разработаны при наличии достаточно большого набора данных биологически активных соединений. Ранее два упомянутых выше подхода сравнивались с методом kNN-QSAR. Строго построенные и проверенные, модели kNN-QSAR показали высокую прогностическую силу для почти всех протестированных наборов данных. Эти результаты ещё раз подтверждают важность решения проблемы представления химических структур исходного набора данных через математическое описание (дескрипторы), которое может улучшить качество прогнозов. Целью данной работы является применение различных наборов дескрипторов методом kNN-QSAR, в том числе дескрипторов генерируемых пакетами Rcdk, Dragon и SPCI, позволяющих интерпретировать построенную модель на наборе из 90 нитроароматических соединений; также показан пример интерпретации результата моделирования.
На сегодня известны два основных подхода к разработке лекарств на основе лиганда: а) поиск соединений на основе химического сходства и б) предсказания на основе моделирования отношения «структура-активность», т.е. QSAR (quantitative structure-activity relationship). Подходы на основе сходства, требуют иметь одна известное активное соединение, в то время как модели QSAR могут быть разработаны при наличии достаточно большого набора данных биологически активных соединений. Ранее два упомянутых выше подхода сравнивались с методом kNN-QSAR. Строго построенные и проверенные, модели kNN-QSAR показали высокую прогностическую силу для почти всех протестированных наборов данных. Эти результаты ещё раз подтверждают важность решения проблемы представления химических структур исходного набора данных через математическое описание (дескрипторы), которое может улучшить качество прогнозов. Целью данной работы является применение различных наборов дескрипторов методом kNN-QSAR, в том числе дескрипторов генерируемых пакетами Rcdk, Dragon и SPCI, позволяющих интерпретировать построенную модель на наборе из 90 нитроароматических соединений; также показан пример интерпретации результата моделирования.
| № | Муаллифнинг исми | Лавозими | Ташкилот номи |
|---|---|---|---|
| 1 | Adilova F.T. |
| № | Ҳавола номи |
|---|---|
| 1 | Адылова Ф.Т. Сравнение компьютерных предикторов биологической активности ор- ганических соединений (аналитический обзор). // Проблемы вычислительной и при- кладной математики, 2017.Т. . 2. С. 76–81. |