SavedAdd your journal

Journals / Turkish Journal of Pharmaceutical Sciences / 2021 / Cilt: 18 - Sayı: 2

Anti-influenza Ajanları Olarak Nöraminidaz İnhibitörlerinin QSAR Çalışmaları

QSAR Studies on Neuraminidase Inhibitors as Anti-influenza Agents

Ravichandran VEERASAMY
Harish RAJAK
Pages
39–44
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Bu çalışmanın sonuçları influenzaya karşı ilaç tasarlamak için bir platform olarak kullanılabilir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Amaç: Bu çalışma nöraminidaz inhibitörlerinin belirgin ve valide nicel yapı-aktivite ilişkisi (QSAR) modellerini kurmayı ve bu bileşiklerin fizikokimyasal, sterik ve elektrostatik özelliklerini anti-influenza aktiviteleriyle korele etmeyi amaçlamıştır.
📊
Key Findings & Data:Gereç ve Yöntemler: Çoklu regresyon, parsiyel en düşük kare regresyon ve k-en yakın komşu moleküler alan analizi yöntemlerini kullanarak 2D ve 3D QSAR modellerini geliştirdik ve valide ettik.
💡
Conclusion & Impact:Bu çalışmanın sonuçları influenzaya karşı ilaç tasarlamak için bir platform olarak kullanılabilir.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Domain Parameters

Abstract

Amaç: Bu çalışma nöraminidaz inhibitörlerinin belirgin ve valide nicel yapı-aktivite ilişkisi (QSAR) modellerini kurmayı ve bu bileşiklerin fizikokimyasal, sterik ve elektrostatik özelliklerini anti-influenza aktiviteleriyle korele etmeyi amaçlamıştır. Gereç ve Yöntemler: Çoklu regresyon, parsiyel en düşük kare regresyon ve k-en yakın komşu moleküler alan analizi yöntemlerini kullanarak 2D ve 3D QSAR modellerini geliştirdik ve valide ettik. Bulgular: Geliştirilen 2D QSAR modeli için q2 : 0,950 ve pred_r2 : 0,877 bulunurken, 3D QSAR modeli için q2 : 0,899 ve pred_r2 : 0,957 bulundu. Bu sonuçlar modellerinin tahmin gücünün olduğunu gösterdi. Sonuç: Hidrojen sayısı ve hisrofilisite gibi parametreler 2D QSAR modellerine dahil edildi. 3D QSAR modelleri sterik ve hisrofobik tanımlayıcıların nöraminidaz inhibitör aktivitesine negatif etki ettiği belirlendi. Bu çalışmanın sonuçları influenzaya karşı ilaç tasarlamak için bir platform olarak kullanılabilir.

Özet

Objectives: The present study aimed to establish significant and validated quantitative structure-activity relationship (QSAR) models for neuraminidase inhibitors and correlate their physicochemical, steric, and electrostatic properties with their anti-influenza activity. Materials and Methods: We have developed and validated 2D and 3D QSAR models by using multiple linear regression, partial least square regression, and k-nearest neighbor-molecular field analysis methods. Results: 2D QSAR models had q2 : 0.950 and pred_r2 : 0.877 and 3D QSAR models had q2 : 0.899 and pred_r2 : 0.957. These results showed that the models werere predictive. Conclusion: Parameters such as hydrogen count and hydrophilicity were involved in 2D QSAR models. The 3D QSAR study revealed that steric and hydrophobic descriptors were negatively contributed to neuraminidase inhibitory activity. The results of this study could be used as platform for design of better anti-influenza drugs.

🔖

Cite This Article

VEERASAMY, R., RAJAK, H. (2021). Anti-influenza Ajanları Olarak Nöraminidaz İnhibitörlerinin QSAR Çalışmaları. Turkish Journal of Pharmaceutical Sciences, Cilt: 18 - Sayı: 2, 39–44. https://ajindex.com/articles/403536

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (12)

  1. Ryan JR. Natural history of the influenza virus. Pandemic influenza: emergency planning and community preparedness. 6000 Broken Sound Parkway Nw, Ste 300, Boca Raton, Fl 33487-2742 USA: Crc Press-Taylor & Francis Group; 2009;55-72.
  2. Belser JA, Blixt O, Chen LM, Pappas C, Maines TR, Van Hoeven N, Donis R, Busch J, McBride R, Paulson JC, Katz JM, Tumpey TM. Contemporary North American influenza H7 viruses possess human receptor specificity: Implications for virus transmissibility. Proc Natl Acad Sci. 2008;105:7558-7563.
  3. Pushko PM, Rick AB, Terrence MT, Gale E. Engineering Better Influenza Vaccines: Traditional and New Approaches. Medicinal Protein Engineering. 6000 Broken Sound Parkway Nw, Ste 300, Boca Raton, Fl 33487-2742 USA: Crc Press-Taylor & Francis Group; 2009;169-204.
  4. Rebmann T, Zelicoff A. Vaccination against influenza: role and limitations in pandemic intervention plans. Expert Rev Vaccines. 2012;11:1009-1019.
  5. Eyer L, Hruska K. Antiviral agents targeting the influenza virus: a review and publication analysis. Vet Med. 2013;58:113-185.
  6. Asadollahi-Baboli M, Mani-Varnosfaderani A. Molecular docking, molecular dynamics simulation, and QSAR model on potent thiazolidine4-carboxylic acid inhibitors of influenza neuraminidase. Med Chem Res. 2013;22:1700-1710.
  7. Dave K, Gandhi M, Panchal H, Vaidya M. Revision of QSAR, docking, and molecular modeling studies of anti-influenza virus a (H1N1) drugs and targets: analysis of hemagglutinins 3D structure. Curr Comput Aided Drug Des. 2011;7:255-262.
  8. Mercader AG, Pomilio AB. QSAR study of flavonoids and biflavonoids as influenza H1N1 virus neuraminidase inhibitors. Eur J Med Chem. 2010;45:1724-1730.
  9. Muthusamy K, Kirubakaran P, Krishnasamy G, Thanashankar RR. Computational insights into the inhibition of influenza viruses by rupestonic acid derivatives: pharmacophore modeling, 3D-QSAR, CoMFA and COMSIA studies. Comb Chem High Throughput Screen. 2015;18:63-74.
  10. Gao L, Zu M, Wu S, Liu AL, Du GH. 3D QSAR and docking study of flavone derivatives as potent inhibitors of influenza H1N1 virus neuraminidase. Bioorg Med Chem Lett. 2011;21:5964-5970.
  11. Masand VH, Mahajan DT, Patil KN, Padole N, Hadda TB, Alafeefy AA, Shibi IG. Molecular docking and 3D QSAR studies of quinoxaline derivatives as potential influenza NS1A protein inhibitors. J Comput Method Mol Design. 2011;1:49-56.
  12. Sun J, Mei H. Docking and 3D-QSAR investigations of pyrrolidine derivatives as potent neuraminidase inhibitors: Docking and 3D-QSAR Investigations. Chem Bio