Biological Activity and Lipophilicity Study of Several Doxazolidine as Cancer Cells Inhibitor
محورهای موضوعی : Journal of Physical & Theoretical Chemistry
maria nikkar
1
(Department of Chemistry and Chemical Engineering, Rasht Branch, Islamic Azad University, Rasht, Iran)
robabeh sayyadikordabadi
2
(Department of Chemistry and Chemical Engineering, Rasht Branch, Islamic Azad University, Rasht, Iran.)
asghar Alizadehdakhel
3
(Department of Chemistry and Chemical Engineering, Rasht Branch, Islamic Azad University, Rasht, Iran.)
Ghasem Ghasemi
4
(Department of Chemistry and Chemical Engineering, Rasht Branch, Islamic Azad University, Rasht, Iran.)
کلید واژه: GA and ICA Algorithms, Doxazolidine derivatives, QSAR, Monte Carlo method,
چکیده مقاله :
QSAR investigations of lipophilicity (XLOGP3) and biological activity (IC50) values of some Doxazolidine derivatives were conducted using combinations of multiple linear regression (MLR) and artificial neural network (ANN) modeling methods and three different optimization techniques including simulated annealing (SA), genetic algorithm (GA) and Imperialist Competitive algorithm (ICA). In addition CORAL software was used to correlate the lipophilicity and biological activity to the structural parameters of the drugs. The obtained results were compared and GA-ANN and ICA-MLR combinations showed the best performance with regard to the correlation coefficient (R2) and root-mean-square error (RMSE). The most effective descriptors extracted from lipophilicity and biological activity studies were presented and discussed. From GA-ANN method, the most important physico-chemical descriptors were found to be minimum value in atomic Sanderson electronegativities and maximum value in Squared Moriguchi Octanol-Water partition coeff.(log P ˆ2) descriptors.ICA-MLR method suggests the maximum value in polarizibility, electrotopological state and atom van der Walls volume as the most important physicochemical descriptors.It was concluded that QSAR study and Monte Carlo method can lead to a more comprehensive understanding of the relation between physico-chemical, structural or theoretical molecular descriptors of drugs to their biological activities and Lipophilicity.
بررسی‌های QSAR مقادیر چربی دوستی (XLOGP) و فعالیت بیولوژیکی (IC50) برخی از مشتقات دوکسازولیدین با استفاده از ترکیبی از روش‌های مدل‌سازی رگرسیون خطی چندگانه (MLR) و شبکه عصبی مصنوعی (ANN) و سه تکنیک بهینه‌سازی مختلف از جمله بازپخت شبیه‌سازی شده (SA) انجام شد. الگوریتم ژنتیک (GA) و الگوریتم رقابتی امپریالیستی (ICA). علاوه بر این از نرم افزار CORAL برای ارتباط چربی دوستی و فعالیت بیولوژیکی با پارامترهای ساختاری داروها استفاده شد. نتایج به‌دست‌آمده مقایسه شد و ترکیب‌های GA-ANN و ICA-MLR بهترین عملکرد را با توجه به ضریب همبستگی (R2) و ریشه میانگین مربع خطا (RMSE) نشان دادند. موثرترین توصیفگرهای استخراج شده از مطالعات چربی دوستی و فعالیت بیولوژیکی ارائه و مورد بحث قرار گرفت. از روش GA-ANN، مهمترین توصیف کننده های فیزیکوشیمیایی حداقل مقدار در الکترونگاتیوی ساندرسون اتمی و حداکثر مقدار در ضریب تقسیم اکتانول-آب مربعی موریگوچی یافت شد. (log P ˆ2) توصیفگرها. روش ICA-MLR حداکثر مقدار قطبش پذیری، حالت الکتروتوپولوژیکی و حجم اتم واندروالز را به عنوان مهمترین توصیف کننده های فیزیکوشیمیایی پیشنهاد می کند. نتیجه‌گیری شد که مطالعه QSAR و روش مونت کارلو می‌تواند منجر به درک جامع‌تری از رابطه بین توصیف‌کننده‌های مولکولی فیزیکی-شیمیایی، ساختاری یا نظری داروها با فعالیت‌های بیولوژیکی و لیپوفیلی آن‌ها شود.
