مطالعه ارتباط کمّی ساختار- فعالیت برای پیش بینی فعالیت مهارکنندگی PIM مشتق‌های تری آزولوپیریدین با استفاده از الگوریتم ژنتیک ـ برازش خطی چندگانه

نوع مقاله: علمی-پژوهشی

نویسندگان

1 گروه شیمی، دانشگاه پیام نور، تهران، ایران

2 گروه شیمی، دانشگاه آزاد اسلامی، واحد شاهرود، شاهرود، ایران

چکیده

مطالعه ارتباط کمی ساختار ـ فعالیت (QSAR) برای مد­ل­ سازی و پیش­ بینی فعالیت مهارکنندگی PIM،39 ترکیب از مشتق­ های تری آزولوپیریدین به کار گرفته شد. نخست پس از رسم و بهینه سازی ساختار ترکیب­ ها و محاسبه توصیف کننده ­ها، مجموعه داده ­ها به­ صورت تصادفی به دو مجموعه آموزش و آزمون تقسیم شد. در انتخاب مهم­ترین توصیف کننده­ ها روش گام به گام (SW) و الگوریتم ژنتیک (GA) استفاده شد. سپس برای مدل­ سازی و پیش­ بینی فعالیت های ترکیب ­ها از روش برازش خطی چندگانه (MLR) استفاده شد. مقایسه مدل­ های SW-MLRو GA-MLR نشان داد که GA-MLR نسبت به SW-MLR نتیجه­ های بهتری به­ دست می­ دهد. سپس برای بررسی اعتبار مدل ­ها از روش ­های اعتبارسنجی تقاطعی (LOO) و (LGO)، Y- تصادفی و آزمون خارجی استفاده شد. این مطالعه نشان داد که مدل GA-MLR با پنج توصیف کننده می­ تواند برای پیش ­بینی فعالیت ترکیب­ های دارویی همانند به کار رود و همچنین از تحلیل توصیف کننده­ های مدل می­ توان در طراحی ترکیب ­های دارویی نوین استفاده کرد.

کلیدواژه‌ها

موضوعات


[1] Narlik-Grassow M., Blanco-Aparicio C., Cecilia Y., Peregrina S., Serelde B.G., Muñoz-Galvan S., Cañamero M., Carnero A., Essential Role of PIM Kinases in Sarcoma Growth and Bone Invasion, Carcinogenesis, 33: 1479-1486 (2012).

[2] Holder S., Zemskova M., Zhang C., Tabrizizad M., Bremer R., Neidigh J.W., Lilly M.B., Characterization of a Potent and Selective Small-Molecule Inhibitor of the PIM1 Kinase, Molecular Cancer Therapeutics, 6: 163-172 (2007).

[3] Amaravadi R., Thompson C.B., The Survival Kinases Akt and Pim as Potentialpharmacological Targets, The Journal of clinical investigation, 115: 2618-2624 (2005).

[4] Davis R.A., Simpson M.M., Nugent R.B., Carroll A.R., Avery V.M., Rali T., Chen H., Qurallo B., Quinn R.J., PIM2 Inhibitors from the Papua New Guinean Plant Cupaniopsis Macropetala, Journal of Natural Products, 71: 451-452 (2007).

[5] Baytel D., Shalom S., Madgar I., Weissenberg R., Don J., The Human PIM-2 Proto-Oncogene and Its Testicular Expression, Biochimica et Biophysica Acta (BBA)-Gene Structure and Expression, 1442: 274-285 (1998).

[6] Allen J.D., Verhoeven E., Domen J., van der Valk M., Berns A., PIM-2 Transgene Induces Lymphoid Tumors, Exhibiting Potent Synergy with c-myc, Oncogene, 15: 1133-1141 (1997).

[7] Pourbasheer E., Riahi S., Ganjali M.R., Norouzi P., Quantitative Structure–Activity Relationship (QSAR) Study of Interleukin-1 Receptor Associated Kinase 4 (IRAK-4) Inhibitor Activity by the Genetic Algorithm and Multiple Linear Regression (GA-MLR) Method, Journal of Enzyme Inhibition and Medicinal Chemistry, 25: 844-853 (2010).

[8] Sahebjamee H., Yaghmaei P., Abdolmaleki P., Foroumadi A.R., Quantitative Structure - Activity Relationships Study of Carbonic Anhydrase Inhibitors Using Logistic Regression Model, Iranian Journal of Chemistry and Chemical Engineering (IJCCE), 32: 19-29 (2013).

[9] Gajare S.P., Mahajan S.S., QSAR Studies of Phthalimide Derivatives for Their Potent Anxiolytic Activity, International Journal of Current Research and Review, 4: 151-156 (2012).

[10] Ivan D., Crisan L., Funar-Timofei S., Mracec M., A Quantitative Structure–Activity Relationships Study for the Anti-HIV-Lactivities of 1-[(2-hydroxyethoxy) methyl]-6--(phenylthio) Thymine Derivatives Using the Multiple Linear Regression and Partial Least Squares Methodologies, Journal of Serbian Chemical Society, 78: 495-506 (2013).

[11] Barahona-Urbina C., Nunez-Gonzalez S., Gomez-Jeria J.S., Model-Based Quantum-Chemical Study of the Uptake of Some Polychlorinated Pollutant Compounds by Zucchini Subspecies, Journal of the Chilean Chemical Society, 57: 1497-1503 (2012).

[12] Pourbasheer E., Aalizadeh R., Ganjali M. R., Analysis of B-RafV600E Inhibitors Using 2D and 3D-QSAR, Molecular Docking and Pharmacophore Studies, Molecular Diversity, 19: 915-930 (2015).

[13] Pourbasheer E., Aalizadeh R., Shiri H., Banaei A., Ganjali M., 2D and 3D-QSAR Analysis of Pyrazole-Thiazolinone Derivatives as EGFR Kinase Inhibitors by CoMFA and CoMSIA, Current Computer-Aided Drug Design, 11: 279-290 (2015).

[14] Pastor J., Oyarzabal J., Saluste G., Alvarez R.M., Rivero V., Ramos F., Cendón E., Blanco-AparicioC., AjenjoN., CebriáA., Hit to Lead Evaluation of 1, 2, 3-triazolo [4, 5-b] Pyridines as PIM Kinase Inhibitors, Bioorganic & Medicinal Chemistry Letters, 22: 1591-1599 (2012).

[15] Azar P.A., Nekoei M., Riahi S., Ganjali M.R., Zare K., A Quantitative Structure–Retention Relationship for the Prediction of Retention Indices of the Essential Oils of Ammoides Atlantica, Journal of  Serbian  Chemical Society, 76: 891-902 (2011).

[16] Adimi M., Salimi M., Nekoei M., Pourbasheer E., Beheshti A., A Quantitative Structure-Activity Relationship Study on Histamine Receptor Antagonists Using the Genetic Algorithm-Multi-Parameter Linear Regression Method, Journal of  Serbian  Chemical Society, 77: 639-650 (2012).

[17] Li J., Lei B., Liu H., Li S., Yao X., Liu M., Gramatica P., QSAR Study of Malonyl‐CoA Decarboxylase Inhibitors Using GA‐MLR and a New Strategy of Consensus Modeling, Journal of Computational Chemistry, 29: 2636-2647 (2008).

[18] Zhu W., Chen G., Hu L., Luo X., Gui C., Luo C., Puah C.M., Chen K., Jiang H., QSAR Analyses on Ginkgolides and Their Analogues Using CoMFA, CoMSIA, and HQSAR, Bioorganic & Medicinal Chemistry, 13: 313-322 (2005).

[19] Pourbasheer E., Aalizadeh R., Ganjali M.R., Norouzi P., QSAR Study of IKKβ Inhibitors by the Genetic Algorithm: Multiple Linear Regressions, Medicinal Chemistry Reserch, 23: 57-66 (2014).

[20] Pourbasheer E., Aalizadeh R., Ganjali M.R., Norouzi P., Banaei A., QSAR Study of mGlu5 Inhibitors by Genetic Algorithm-Multiple Linear Regressions, Medicinal Chemistry Reserch, 23: 3082-3091 (2014).

[21] Pourbasheer E., Aalizadeh R., Ganjali M.R., Norouzi P., Shadmanesh J., Methenitis C., QSAR Study of Nav1.7 Antagonists by Multiple Linear Regression Method Based on Genetic Algorithm (GA-MLR), Medicinal Chemistry Reserch, 23: 2264-2276 (2014).

[22] Pourbasheer E., Beheshti A., Khajehsharifi H., Ganjali M.R., Norouzi P., QSAR Study on hERG Inhibitory Effect of Kappa Opioid Receptor Antagonists by Linear and Non-Linear Methods, Medicinal Chemistry Reserch, 22: 4047-4058 (2013).

[23] Firoozpour L., Sadatnezhad K., Dehghani S., Pourbasheer E., Foroumadi A., Shafiee A., Amanlou M., An Efficient Piecewise Linear Model for Predicting Activity of Caspase-3 Inhibitors, DARU Journal of Pharmaceutical Science, 20: 1-6 (2012).

[24] Nekoei M., Mohammad hosseini M., Pourbasheer E., QSAR Study of VEGFR-2 Inhibitors by Using Genetic Algorithm-Multiple Linear Regressions (GA-MLR) and Genetic Algorithm-Support Vector Machine (GA-SVM): A Comparative Approach, Medicinal Chemistry Reserch, 24: 3037-3046 (2015).

[25] Bartzatt R., In Silico Optimized Mechlorethamine Based Drug Structures Targeting Brain and Spinal Cord Tumors, British Journal of Pharmaceutical Research, 3: 1058-1069 (2013).