使用QSPR建模,使用混合DA-SVR算法预测精神分析药物的表面张力
Meriem Ouaissa1, Maamar Laidi1, Othmane Benkortbi1
1Biomaterials and Transport Phenomena Laboratory (LBMPT), University of Yahia Fares, Faculty of Technology, Department of Process Engineering and Environment, Medea, 26000, Algeria.
一个新的定量结构-属性关系 (QSPR) 模型准确地预测了精神分析药物的表面张力. 这种工具有助于设计具有所需表面张力特性的新药.
科学领域:
- 计算化学计算化学
- 药用化学 医学化学
- 药物设计 药物设计
背景情况:
- 表面张力是影响药物行为的关键物理化学性质.
- 精神分析药物 (精神兴奋剂和抗抑郁药) 需要精确的属性预测才能有效开发.
- 预测药物分子表面张力的现有方法是有限的.
研究的目的:
- 开发一个强大的定量结构-属性关系 (QSPR) 模型来预测精神分析药物的表面张力.
- 确定控制这种药物类别表面张力的关键分子描述符.
- 为合理设计新的精神分析药物提供可靠的工具.
主要方法:
- 利用了112个精神分析药物分子的数据集.
- 应用遗传算法 (GA) 与特征选择方法 (OLS,PLS,SVM) 确定十个AlvaDesc描述符.
- 使用龙算法与支持向量回归器 (DA-SVR) 构建预测模型.
主要成果:
- 基于GA-SVM的DA-SVR模型显示出优异的预测性能 (R2 = 0.98142,Q2LOO = 0.98142).
- 使用外部测试集的模型验证证实了其可靠性和适用性.
- 十个关键的AlvaDesc描述符被确定为表面张力预测的关键.
结论:
- 开发的QSPR模型准确地预测了精神分析药物的表面张力.
- 该模型可以指导设计具有量身定制的表面张力特征的新型精神分析药物.
- 这种方法提高了药物发现和开发的效率.
更多相关视频
00:05In Silico Modeling Method for Computational Aquatic Toxicology of Endocrine Disruptors: A Software-Based Approach Using QSAR Toolbox
Published on: August 28, 2019
06:31Studying Surfactant Effects on Hydrate Crystallization at Oil-Water Interfaces Using a Low-Cost Integrated Modular Peltier Device
Published on: March 18, 2020
相关概念视频
Structure-Activity Relationships and Drug Design
SAR studies the intricate relationship between a drug's chemical structure and biological activity. It focuses on understanding how modifications to a drug's structure can influence...
Theories of Dissolution: The Danckwerts' Model and Interfacial Barrier Model
Response Surface Methodology
The process of RSM involves several key steps:
