在使用python驱动的拓建模对肺癌药物的QSPR分析上
Huiling Qin1,2, Mazhar Hussain3, Muhammad Farhan Hanif4
1Department of Rehabilitation Medicine, The Affiliated Hospital of Youjiang Medical University for Nationalities, Baise, China.
Scientific reports
|February 1, 2025
概括
使用Python计算的拓描述符可以准确地预测QSPR建模的肺癌药物特性. 这种计算方法提高了药物发现效率,并降低了研究成本.
科学领域:
- 计算化学的计算化学
- 化学信息学 化学信息学
- 药物发现 药物发现 药物发现
背景情况:
- 定量结构-属性关系 (QSPR) 建模对于预测药物特性至关重要.
- 拓描述符提供了分子结构的数学表示.
- 准确的QSPR模型对于高效的药物设计和开发至关重要.
研究的目的:
- 调查基于度的拓指数在肺癌药物的QSPR建模中的实用性.
- 评估这些描述器对关键物理化学性质的预测准确度.
- 突出计算化学在加速药物发现方面的潜力.
主要方法:
- 基于度的拓索引是使用基于Python的计算方法计算的.
- 使用线性回归模型进行分析,使用SPSS软件进行分析.
- 预测了包括沸点,闪点,摩尔折射率和极化性在内的物理化学性质.
主要成果:
- 在计算的拓指数和物理化学性质之间观察到出色的相关性.
- 大多数属性的预测准确度很高,闪点的显著例外.
- 特定的拓指数显示出对某些属性的优异预测性能.
结论:
- 基于度的拓指数是肺癌药物的QSPR建模中可靠的预测指标.
- 计算和数学化学的整合简化了临床前药物评估.
- 这种方法为设计更有效的癌症治疗和降低药物发现成本提供了基础.


