ارتباط کمی ساختار-فعالیت بر روی یک سری از مشتقات ایمیدازو [1 و 2-a ] پیریدین کربوکسامید به عنوان عوامل ضد سل
الموضوعات :
محسن نکوئی نیا
1
,
سعید یوسفی نژاد
2
1 - گروه شیمی، دانشگاه پیام نور، تهران، ایران
2 - مرکز تحقیقات علوم بهداشتی، پژوهشکده سلامت، دانشگاه علوم پزشکی شیراز، شیراز، ایران
الکلمات المفتاحية: مشتقات ایمیدازول [1 و2 -a] پیریدین, شبکه عصبی مصنوعی, ارتباط کمی ساختار-فعالیت, ضد سل,
ملخص المقالة :
مقاومت بیماری سل به دارو همچنان یکی از مهمترین چالش های پیش رو در درمان این بیماری عفونی است و بنابراین کشف و توسعه داروهای جدید موثر ضد سل همواره مورد توجه محققان است. در این مطالعه، تحلیل ارتباط کمی ساختار-فعالیت (QSAR) بر روی یک سری از مشتقات ایمیدازول[1 و2- a] پیریدین کربوکسامید به عنوان عوامل ضد سل اعمال شد. فعالیت بیولوژیکی 18 ترکیب با روش های رگرسیون خطی چندگانه و شبکه عصبی مصنوعی برآورد شد. چهار توصیف کننده مولکولی (nCl، MATS8m، BELe4 وGATS8e) با استفاده از رگرسیون خطی چندگانه گام به گام انتخاب شدند. بهترین نتایج شبکه عصبی مصنوعی با الگوی 5-5-1 آموزش داده شده با الگوریتم پس انتشار رو به جلو به دست آمد. یک مجموعه آزمون حاوی 5 ترکیب برای ارزیابی توانایی پیش‌بینی مدل استفاده شد. نتایج نشان داد که رویکرد شبکه عصبی مصنوعی در مقایسه با رگرسیون خطی چندگانه قدرت پیش بینی بهتری را ارائه می دهد. بر اساس نتایج این مطالعه، الکترونگاتیوی، جرم اتمی و هندسه مولکولی عوامل مهم کنترل کننده فعالیت ضد سل هستند.
1. P.T V. Nguyen. T. Van Dat. S. Mizukami. D.L. H. Nguyen. F. Mosaddeque. S.N. Kim. D.H.B. Nguyen. O.T. Đinh. T.L.Vo. G.L.T. Nguyen. C. Quoc Duong. S. Mizuta. D.N.H. Tam. M.P. Truong. N. T. Huy, K. Hirayama, Malar. J. 20, 264 (2021).
2. E. Yuanita. Sudirman. N.K.T. Dharmayani. M. Ulfa, J. Syahri, J. Clin. Tuberc. Other Mycobact. Dis. 21, 100203 (2020).
3.R.C. Khunt. V.M. Khedkar. R.S. Chawda. N.A. Chauhan. A.R. Parikh, E.C. Coutinho, Bioorganic Med. Chem. Lett. 22, 666 (2012).
4. A. Nayyar. A. Malde. R. Jain, E. Coutinho, Bioorg. Med. Chem., 14, 847 (2006).
5. L. Friggeri. F. Ballante. R. Ragno. I. Musmuca. D. De Vita. F. Manetti. M. Biava. L. Scipione. R. Di Santo. R. Costi. M. Feroci, S. Tortorella, J. Chem. Inf. Model. 53, 1463 (2013).
6.M. N. Gomes. R.C. Braga. E.M. Grzelak. B. J. Neves. E. Muratov. R. Ma. L. L. Klein. S. Cho. G. R. Oliveira. S. G. Franzblau, C.H. Andrade, Eur. J. Med. Chem., 137, 126 (2017).
7. O.K. Onajole. S. Lun. Y.J. Yun. D.Y. Langue. M. Jaskula-Dybka. A. Flores. E. Frazier. A.C. Scurry. A. Zavala. K. R. Arreola. B. Pierzchalski. A. J.-L. Ayitou, W. R. Bishai, Chem. Biol. Drug Des, 96, 1362 (2020).
8. R.N. Forthofer. E.S. Lee, M. Hernandez, Biostatistics: A Guide to Design, Analysis and Discovery, Elsevier Science 2006.
9. X. Wang. X. Meng. F. Li. J. Ding. C. Ji, H. Wu, Chemosphere, 226, 159 (2019).
10. R.V.C. Guido. G.H.G. Trossini. M.S. Castilho. G. Oliva. E. I. Ferreira, A.D. Andricopulo, J. Enzyme. Inhib. Med. Chem. 23, 964 (2008).
11. M.H. Fatemi, Z.G. Chahi, SAR and QSAR in Environmental Research 23, 155 (2012).
