Создание QSAR моделей для поиска ингибиторов тубулина

Abstract

Описаны новые QSAR модели для поиска ингибиторов тубулина. Точность прогноза для учебных и тестовых выборок составляет Ac = 0,96÷0,97 и Ac = 0,95÷0,97 соответственно. Для построения моделей использованы ассоциативные нейронные сети. Оценка качества моделей проведена методами внутренней и внешней проверки. На выборке из 75 новых соединений правильно классифицированно 63% всех веществ, а также 69% активных соединений. С помощью индекса Дайса рассчитана область применения созданных QSAR моделей. Показано, что количество правильно спрогнозированных соединений с DI 0,6−0,7 и ≥0,7 составляет 74 и 85% соответственно.

Описано новi QSAR моделi для пошуку iнгiбiторiв тубулiну. Точнiсть прогнозу для навчальних та тестових вибiрок становить Ac = 0,96 ÷ 0,97 та Ac = 0,95 ÷ 0,97 вiдповiдно. Для побудови моделей використано асоцiативнi нейроннi мережi. Оцiнку якостi моделей проведено методами внутрiшньої i зовнiшньої перевiрки. На вибiрцi з 75 нових сполук правильно класифiковано 63% усiх речовин, а також 69% активних сполук. За допомогою iндексу Дайса розраховано область застосування створених QSAR моделей. Показано, що кiлькiсть правильно спрогнозованих сполук з DI 0,6−0,7 i ≥0,7 становить 74 та 85% вiдповiдно.

The study presents new QSAR models to search for tubulin inhibitors. The prediction accuracies for the training and test sets are Ac = 0.95−0.97 and Ac = 0.95−0.97, accordingly. QSAR methodologies used Associative Neural Networks. The quality of models have been evaluated using both internal and external validation methods. In a sample of 75 new compounds, we correctly classified 63% of all compounds and 69% of active molecules. The applicability domain of QSAR models was evaluated by the Dice index. It is shown that the percentages of correctly predicted compounds with DI equal to 0.6−0.7 and ≥0.7 are 74 and 85%, respectively.