پیشگویی ضریب تقسیم اکتانول-آب حشره کش های آلکالوئید کینولین با استفاده ازتوصیف کننده های مولکولی و روش رگرسیون خطی چند متغیره

محورهای موضوعی : حشره شناسی و سایر بندپایان

شهاب الدین محبی ¹ , فاطمه شفیعی ² , طاهره مومنی اصفهانی ³ , مهدی احمدی سابق ⁴

1 - دانشجوی دکتری شیمی فیزیک، گروه شیمی، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران
2 - استادیار شیمی فیزیک، گروه شیمی، واحد اراک، دانشگاه آزاد اسلامی ، اراک، ایران
3 - استادیار شیمی تجزیه، گروه شیمی، واحد اراک، دانشگاه آزاد اسلامی ، اراک، ایران
4 - استادیار شیمی آلی، گروه شیمی، واحد اهر، دانشگاه آزاد اسلامی ، اهر، ایران

تاریخ دریافت : 1401/10/07 تاریخ پذیرش : 1401/12/12 تاریخ انتشار : 1401/12/01

کلید واژه: "Validation", واژه‌های کلیدی: "آلکالوئید کینولین کمپتوتسین", "ضریب تقسیم اکتانول-آب", "توصیف کننده خود همبستگی دو بعدی", "اعتبار سنجی ", حشره کش", Keyword: "quinoline alkaloid camptothecin (CPT) ", "the octanol-water partition coefficient (logP) ", "2D-autocorrelation descriptor", "insecticide,

چکیده مقاله :

آلکالوئیدهای کینولین و مشتقات آنها کاربردهای پزشکی و کشاورزی گسترده ای دارند. در این تحقیق از رابطه کمی ساختار-خاصیت (QSPR) برای پیش‌بینی ضریب تقسیم اکتانول-آب 76 مشتق آلکالوئید کینولین کمپتوتسین (CPT) به عنوان حشره کش با استفاده از روش الگوریتم ژنتیک و روش رگرسیون خطی چند متغیره برگشتی و توصیف‌کننده ‌های مولکولی استفاده شده است. برای رسم ساختار شیمیایی ترکیبات مورد مطالعه از نرم افزار گوس ویواستفاده شد. بهینه ‌سازی هندسی ترکیبات توسط نرم‌ افزار گوسین 09 با استفاده از نظریه تابعی چگالی B3YLP با مجموعه پایه G(d,p) 311-6 انجام شد. برای هر یک از ساختارهای بهینه شده توصیف کننده های مولکولی توسط نرم‌افزار دراگون محاسبه گردید. به منظور کاهش و انتخاب بهترین توصیف کننده ها از روش الگوریتم ژنتیک استفاده شد. همبستگی بین توصیف کننده ها در بهترین مدل با استفاده از ضریب پیرسون و ضریب نفوذ پذیری انجام پذیرفت. برای ارزیابی توانایی پیش بینی مدل از انواع مختلف اعتبار سنجی داخلی ، خارجی و ضرایب آماری بهره گرفته شده است. بهترین مدل QSPR با مقدار مجذور ضریب همبستگی ) 901/0(R2 = ، مجذور ضریب همبستگی اعتبار سنجی تقاطعی یکی بیرون) 919 /0= Q2LOO (، و ریشه میانگین مربع خطا )706/0 (RMSE=به دست آمده است. نتایج نشان داد ضرایب آماری و اعتبارسنجی مدل خطی ساخته شده رضایت‌بخش است و لگاریتم ضریب تقسیم اکتانول-آب مشتقات مورد مطالعه تحت تأثیر توصیف کننده خود همبستگی دو بعدی (ATS8e) است. این اطلاعات می تواند برای طراحی مشتقات جدید آلکالوئید کینولین کمپتوتسین (CPT) به عنوان حشره کش مورد استفاده قرار گیرد.

چکیده انگلیسی:

Quinoline alkaloids and their derivatives have wide medical and agricultural applications. In this research, a quantitative structure- property relationship (QSPR) has been employed to predict the octanol-water partition coefficient (logP) of 76 quinoline alkaloid camptothecin (CPT) derivatives as antitumor potencies using GA-MLR method and molecular descriptors. The Gauss View 05 software was used for drawing chemical structure of the studied compounds. The geometry optimizations of the studied compounds were done by the Gaussian 09W software at B3YLP density functional theory (DFT) with 6-311G (d,p) basis set. Molecular descriptors for each of optimized structures were calculated by Dragon software in different category. In order to reduce and select the best descriptors, the Genetic Algorithm technique and stepwise multiple linear regression method was used. The pearson coefficient correlation (PCC) and the variance inflation factor (VIF) statistics were used to test the multicollinearity of descriptors in the best model. The different types of internal and external validations were used to evaluate predictive model performance. The best QSPR model is obtained with R2 value of 0.901, Q2LOO =0.919, and RMSE=0.706.     The results of statistical parameters and validations of the GA-MLR model generated were found to be satisfactory. The model revealed that octanol-water partition coefficient of CPT derivatives is influence by ATS8e (2D-autocorrelation) descriptor. This information could be used to design novel quinoline alkaloid camptothecin (CPT) derivatives as insecticide agents.