XiaoMi-AI文件搜索系统
World File Search SystemQSAR
纸 - 使用QSAR/ ... div>的计算药物设计
人类来源的功能。简短答案问题： - （答案全部）[23x2 = 46] 1。用示例定义免费的威尔逊分析。2。编写QSAR的应用程序。3。招募两个ADME数据库。4。提及两个生化数据库。5。用示例定义铅分子。6。定义铅优化的随机筛选。7。定义COMFA和COMSIA。8。写药数据库的应用程序。9。提及任何两种铅优化技术。10。用示例定义生物膜。11。解释Hansch分析。12。比较SAR和QSAR。13。定义comsia及其两个应用程序。14。解释5.15。蛋白质加工用于自动库克维纳中的对接。16。招募任何两个药物数据库。17。绑定位点如何位于PDB和Discovery Studio Visualizer18。电网盒的重要性19。对接化合物的虚拟筛选。20。BLAST和基因本体论发现。21。多序列比对和蛋白质功能评估22。同源建模和模型使用者的使用。23。半经验方法和能量最小化。
基于自动 QSAR 的主动学习对接，用于鉴定恶性疟原虫 Hsp90 的潜在抑制剂作为抗疟药物
疟疾主要由恶性疟原虫引起，仍然是一个严重的公共卫生问题，因此需要开发新的抗疟药物。恶性疟原虫热休克蛋白 90 (Hsp90) 对寄生虫的生存不可或缺，也是一种很有前途的药物靶点。针对 N 端结构域的 ATP 结合口袋的抑制剂具有抗疟原虫作用。我们提出了一种从头主动学习 (AL) 驱动的方法，结合对接来预测具有独特支架和对 PfHsp90 优先选择性的抑制剂。预测在 ATP 结合口袋处与 PfHsp90 结合并具有抗疟原虫活性的参考化合物被用于生成 10,000 种独特衍生物并建立自动定量结构活性关系 (QSAR) 模型。进行滑动对接以预测衍生物和从 ChEMBL 数据库获得的 15,000 多种化合物的对接得分。对模型进行反复训练和测试，直到最佳的基于 Kennel 的偏最小二乘 (KPLS) 回归模型达到收敛，该模型的训练集回归系数 R2 = 0.75，测试集的平方相关预测 Q2 = 0.62。使用诱导拟合对接和分子动力学模拟重新评分使我们能够优先考虑 15 种 ATP/ADP 类设计理念以供购买。这些化合物对恶性疟原虫 NF54 菌株表现出中等活性，IC 50 值为 ÿ 6 μ M，对 PfHsp90 表现出中等至弱亲和力（KD 范围：13.5–19.9 μ M），与报道的 ADP 亲和力相当。最有效的化合物是 FTN-T5（PfN54 IC 50：1.44 μ M；HepG2/CHO 细胞 SI ÿ 29），它以中等亲和力（KD：7.7 μ M）与 PfHsp90 结合，为优化工作提供了起点。我们的工作证明了 AL 在快速识别用于药物发现的新分子（即命中识别）方面具有巨大实用性。FTN-T5 的效力对于设计物种选择性抑制剂以开发更有效的抗疟药物至关重要。
QSAR建模用于预测阿尔茨海默氏病中β-分泌酶1抑制活性，并具有支持载体回归
摘要阿尔茨海默氏病（AD）是一种神经退行性疾病，其特征是认知能力下降，β-淀粉样蛋白（Aβ）斑块的积累在其进展中起关键作用。β-分泌酶1（BACE1）是Aβ产生的关键酶，使其成为AD治疗的主要治疗靶标。但是，由于选择性差和血脑屏障的渗透性有限，设计有效的BACE1抑制剂一直在挑战。为了应对这些挑战，我们在定量结构活性关系（QSAR）模型中使用支持向量回归（SVR）采用了机器学习方法来预测潜在的BACE1抑制剂的抑制活性。我们的模型在Chembl数据库的7,298种化合物的数据集上训练，使用分子描述符准确地预测了PIC 50值，在测试集中实现了R²为0.690。该模型的性能证明了其在优先考虑候选药物的优先级方面的实用性，可能会加速药物发现。这项研究强调了计算方法在优化药物发现方面的有效性，并表明进一步的完善可以增强该模型对AD疗法的预测能力。
使用 QSAR 模型定义 TBK1 抑制途径
将这种强大的建模技术与 CAS Content Collection TM 中丰富的化学数据相结合，CAS Content Collection TM 是世界上最大的人工整理的化学见解和已发表的科学信息集合，可以节省研究时间，为靶向激酶和其他酶提供有用的见解，并挽救实验动物的生命。在本 CAS Insights TM 报告中，我们将使用 CAS Content Collection 研究 TBK1 研究的前景，并研究 QSAR 计算机建模是否可以帮助我们采取正确的步骤来开发有效的 TBK1 抑制剂。1–3
PAMPA-BBB QSAR 模型的开发和验证，用于预测新型候选药物的脑渗透潜力
有效绕过血脑屏障 (BBB) 是开发针对中枢神经系统的药物的主要障碍。虽然有几种方法可以确定小分子的 BBB 通透性，但平行人工膜通透性测定 (PAMPA) 是药物发现中最常见的测定方法之一，因为它具有稳健和高通量的特性。药物发现是一项长期且昂贵的事业，因此，任何简化此过程的进展都是有益的。在这项研究中，在 PAMPA-BBB 测定中筛选了来自 60 多个 NCATS 项目的约 2,000 种化合物，以开发定量结构-活性关系模型来预测小分子的 BBB 通透性。在分析了最先进和最新的机器学习方法之后，我们发现基于 RDKit 描述符作为附加特征的随机森林提供了最佳的训练平衡准确度 (0.70 ± 0.015)，而使用 RDKit 描述符的图卷积神经网络的消息传递变体在前瞻性验证集上提供了最高的平衡准确度 (0.72)。最后，我们将体外 PAMPA-BBB 数据与啮齿动物体内脑渗透数据相关联，观察到 77% 的分类相关性，这表明使用 PAMPA-BBB 数据开发的模型可以预测体内脑渗透性。鉴于大多数先前研究依赖体外或体内数据来评估 BBB 渗透性，我们使用迄今为止最大的 PAMPA-BBB 数据集开发的模型提供了一种正交方法来估计小分子的 BBB 渗透性。我们将部分数据存入 PubChem 生物测定数据库 (AID: 1845228)，并在 NCATS 开放数据 ADME 门户 (https://opendata.ncats.nih.gov/adme/) 上部署了性能最佳的模型。这些举措旨在为药物研发界提供宝贵的资源。
机械 QSAR 分析预测不同杂环化合物作为选择性美人蕉的结合亲和力
a 印度阿姆劳蒂 Mardi 路 Rajendra Gode 药学院药物化学系；b 沙特阿拉伯利雅得伊玛目穆罕默德伊本沙特伊斯兰大学理学院化学系；c 沙特阿拉伯莫哈伊尔阿西尔哈立德国王大学科学与艺术学院化学系；d 马来西亚双威城双威大学医学与生命科学学院；e 伊拉克埃尔比勒 Tishk 国际大学药学院药物化学系；f 沙特阿拉伯阿尔哈吉 Prince Sattam Bin Abdulaziz 大学药学院药理学与毒理学系；g 印度兰契 Birla 理工学院药物科学与技术系；h 沙特阿拉伯利雅得 AlMaarefa 大学医学院基础医学系
n- ...
摘要。血管内皮生长因子受体（VEGFR）酪氨酸激酶（TKS）是临床验证的抗癌治疗的药物靶标，因为它们在血管生成，肿瘤生长和元时间的过程中起重要作用。VEGFR2是VEGFR-TKS的成员。vegfr2是血管生成过程的重要阶段。硫脲衍生化合物具有潜在的VEGFR2抑制剂。这项研究的目的是通过抑制VEGFR2受体的抑制作用来确定N-Benzoyl- n'-naphythylthiourea（Bntu）及其衍生物作为抗癌的定量结构活性关系（QSAR）。获得的最佳QSAR方程模型可以用作设计具有最佳VEGFR2抑制活性的新的BNTU衍生化合物的指南。分析结果提供了最佳方程模型，如下所示：RS = -0.405（±1.020）Clogp 2 + 1.174（±8.709）clogp + 5.227（±3.273）E Lumo -72.983（±7.625）（±7.625）（两个物理学化学参数）（n = 14; r = 0.971; se = 4.519; f = 54.777; sig。= 0.000）。通过抑制VEGFR2受体的抗癌化合物及其衍生物的抗癌活性受到亲脂性和电子特性的影响。
新型QSAR模型，用于预测细胞色素P450酶的可逆和时间依赖性抑制
carboxamid e carboxylate carboxylic acid ether halide hydrazine hydroxylamine imine iminomethyl ketone nitrile quinones sulfide sulfonamide sulfone sulfoxide urea CYP3A4 4.673 -1.657 1.259 -0.5551 -2.915 5.568 1.027 9.7 0.22 3.645 1.812 -8.266 -3.206 -0.72 4.486 -2.023 3.258 -1.178 -4.696 -1.171 0.2793 2.299 2.656 2.656 -2.057 -2.223 4.487 CYYP3A4 MBI COPT 1.056 1.124 -3.735 3.305 2.279 -0.2916 -0.5531 1.76 -1.762 -1.122 0.0924 -1.604 -0.185 0.7485 -0.8378 -1.71 -2.679 CYP2C9 -1.714 -1.019 0.5386 -1.888 -0.4591 -4.956 0.6673 -1.543 -5.244 -1.749 -2.953 -2.057 1.877 2.274 -3.064 0.9572 1.215 -0.9967 -2.176 1.688 -1.019 -0.5739 5.121 5.445 -1.431 -1.756 CYP2C19 -2.273 -1.076 2.023 -1.003 0.6657 -0.6112 0.8963 -7.442 -2.295 -0.02369 -3.314 0.04706 -1.89 -2.443 0.2077 0.062 -1.207 -3.293 -0.1096 1.859 4.388 -0.701 -2.874 -2.715 -3.454 CYP2D6 5.566 -1.377 -3.444 -3.224 -2.803 10.12 -0.9736 -1.175 -16.24 -7.884 -2.954 -11.59 -0.9727 -2.91 -4.197 -1.804 0.6502 -3.126 -2.019 -0.9496 -1.377 3.191 -4.559 -3.354 -1.54 1.906
莫扎特，一种基于QSAR多目标网络的工具，可预测多种药物 - 酶相互作用
摘要：开发能够预测药物与酶之间相互作用的模型是计算生物学的主要目标，因为这些模型可用于预测新的活性药物以及未经测试靶标的已知药物之间的相互作用。随着大型药物 - 酶对数据集的汇编（62,524），我们发现了一个独特的机会，试图构建一种新型的多目标机器学习（MTML）定量结构活性关系（QSAR）模型，以探测不同药物和酶靶标之间的相互作用。为此，本文基于使用拓扑药物的特征以及人工神经网络（ANN）多层感知器（MLP）提出了MTML-QSAR模型。发现最佳模型的验证是通过内部交叉验证统计和其他相关诊断统计参数进行的。发现该模型的总体准确性高于96％。最后，为了最大程度地扩散该模型，已经开发了一种公共且可访问的工具，以允许用户执行自己的预测。开发的基于Web的工具是可以访问的，可以作为免费的开源软件下载。
QSAR研究二酰基甘油酰基转移酶-1（DGAT-1 ... ） 1简介面部检测是对象的子集...
糖尿病是通常会感染所有年轻人和老年人的慢性疾病之一。目前尚无特殊药物可以治愈糖尿病。可以使用继续开发的某些酶疗法对糖尿病进行适当治疗。允许治疗糖尿病患者的一步是抑制二十二甘油酰基转移酶-1的生长（DGAT1）。在使用定量结构活动关系（QSAR）方法的硅中开发中，该方法通常用于预测尚未测试的化合物的生物学活性。本研究旨在使用二二酰甘油酰基转移酶-1化合物作为糖尿病生长的抑制剂来构建QSAR模型。使用粒子群优化（PSO）特征选择模型和支持矢量机（SVM）的预测方法，将在二二十二酰甘油酰基转移酶-1化合物中产生主要的描述符的组合建议，该化合物可用于抗糖尿病的发展。所使用的数据集是228个数据，其中包含有关二二酰甘油酰基转移酶-1种化合物的化合物活动的信息，多达1444个功能。使用的描述符信息是一个特征列，其偏差高于0.5。通过多项式内核获得了PSO选择的最佳结果，值为𝑅20.629，以及通过实施RBF模型获得的最佳预测结果，在每个内部验证𝑅2和外部验证2中获得得分，值为75％和67.2％。