KaydedilenlerDerginizi ekleyin

Dergiler / Adıyaman Üniversitesi Fen Bilimleri Dergisi / 2019 / Cilt: 9 - Sayı: 1

Genetik Fonksiyon Tahmin Yaklaşımı Kullanılarak Mycobacterium tuberculosis’e Karşı Bazı Etkili İnhibitörlerin Aktivite Modellemelerinin Yapılması

Activity Modeling of Some Potent Inhibitors Against Mycobacterium tuberculosis Using Genetic Function Approximation Approach

Adamu UZAIRU
Shola Elijah ADENIJI
Sani UBA
Sayfa
77–98
Yayın Tarihi
2022-10-12
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Tartışma: Doğrulama testi ile elde edilen modelin güvenilirliği, kararlılığı ve sağlamlığı, modelin, gelişmiş anti-füberküler aktivitesine sahip diğer 1,2,4-Triazol türevlerini tasarlamak ve sentezlemek için kullanılabileceğini göstermektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Amaç: Araştırma, anti-tüberküler antagonisti olarak 1,2,4-Triazol türevlerinin aktivitesini tahmin etmeye yönelik teorik (QSAR) bir model geliştirmeyi amaçlamıştır.
📊
Temel Bulgular & Veri:Yöntem: Genetik fonksiyon yaklaşımı (GFA), 1,2,4-Triazol türevlerinin Mycobacterium tuberculosis üzerine etki tarzlarını araştırmak amacıyla kullanılmıştır.
💡
Sonuç & Katkı:Tartışma: Doğrulama testi ile elde edilen modelin güvenilirliği, kararlılığı ve sağlamlığı, modelin, gelişmiş anti-füberküler aktivitesine sahip diğer 1,2,4-Triazol türevlerini tasarlamak ve sentezlemek için kullanılabileceğini göstermektedir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

Özet

Amaç: Araştırma, anti-tüberküler antagonisti olarak 1,2,4-Triazol türevlerinin aktivitesini tahmin etmeye yönelik teorik (QSAR) bir model geliştirmeyi amaçlamıştır. Yöntem: Genetik fonksiyon yaklaşımı (GFA), 1,2,4-Triazol türevlerinin Mycobacterium tuberculosis üzerine etki tarzlarını araştırmak amacıyla kullanılmıştır. Bu yaklaşım, optimum tanımlayıcıların seçimine ve Mycobacterium tuberculosis üzerine etki değerlerini inhibitörlerin moleküler yapılarıyla ilişkilendiren korelasyon QSAR modelinin oluşturulmasına imkân vermiştir. Sonuç: Oluşturulan model doğrulanmış ve korelasyon katsayısının karesi (R2 ) 0.9134, düzeltilmiş korelasyon katsayısının karesi (Radj) 0.8753 ve tek-çıkışlı (LOO) çapraz doğrulama katsayı (Qୡ୴ ଶ ) değeri 0.8231 olarak bulunmuştur. Modelin öngörücü gücünü doğrulamak için kullanılan harici doğrulama seti, 0.7482 R୮୰ୣୢ ଶ 'ye sahiptir. Tartışma: Doğrulama testi ile elde edilen modelin güvenilirliği, kararlılığı ve sağlamlığı, modelin, gelişmiş anti-füberküler aktivitesine sahip diğer 1,2,4-Triazol türevlerini tasarlamak ve sentezlemek için kullanılabileceğini göstermektedir.

Abstract

Objectives: The research aimed to develop a theoretical (QSAR) model forpredicting the activity of 1,2,4-Triazole derivatives as anti-tubercular antagonist.Methods: Genetic function approximation (GFA) was employed on a dataset of1,2,4-Triazole derivatives to investigate their activities behavior on Mycobacteriumtuberculosis. This approach led to selection of the optimum descriptors and to generate thecorrelation QSAR model that relate their activities values against Mycobacteriumtuberculosis with the molecular structures of the inhibitors.Results: The built model was validated and was found to have squared correlationcoefficient (R2) of 0.9134, adjusted squared correlation coefficient (Radj) of 0.8753 andLeave one out (LOO) cross validation coefficient (𝐐𝐜𝐯𝟐 ) value of 0.8231. The externalvalidation set used for confirming the predictive power of the model has R2pred of 0.7482.Conclusion: Reliability, stability and robustness of the model obtained by thevalidation test indicate that the model can be used to design and synthesis other 1,2,4-Triazole derivatives with improved anti-tubercular activities.

🔖

Bu Makaleye Atıf Yap

UZAIRU, A., ADENIJI, S. E., UBA, S. (2022). Genetik Fonksiyon Tahmin Yaklaşımı Kullanılarak Mycobacterium tuberculosis’e Karşı Bazı Etkili İnhibitörlerin Aktivite Modellemelerinin Yapılması. Adıyaman Üniversitesi Fen Bilimleri Dergisi, Cilt: 9 - Sayı: 1, 77–98. https://ajindex.com/articles/428489

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (11)

  1. Lönnroth, K., Castro, K. G., Chakaya, J. M., Chauhan, L. S., Floyd, K., Glaziou, P. and Raviglione, M. C., Tuberculosis Control and Elimination 2010–50:
  2. Cure, Care, and Social Development, The Lancet, 375, 1814-1829, 2010.
  3. Jhamb, S. S., Goyal, A. and Singh, P. P., Determination of the Activity of Standard Anti-tuberculosis Drugs Against Intramacrophage Mycobacterium Tuberculosis, in vitro: MGIT 960 as a Viable Alternative for BACTEC 460, Braz., J. Infect. Dis., 18, 336- 340, 2014.
  4. Aziz, M. A., Wright, A., Laszlo, A., De Muynck, A., Portaels, F., Van Deun, A., Wells, C., Nunn, P., Blanc, L. and Raviglione, M., WHO/International Union Against Tuberculosis and Lung Disease Global Project on Anti-tuberculosis Drug Resistance Surveillance. Epidemiology of Anti-tuberculosis Drug Resistance (the Global Project on Anti-tuberculosis Drug Resistance Surveillance), Lancet, 368, 2142-2154, 2006.
  5. Balabanova, Y., Ruddy, M., Hubb, J., Yates, M., Malomanova, N., Fedorin, I. and Drobniewski, F., Multidrug-Resistant Tuberculosis in Russia: Clinical Characteristics, Analysis of Second-Line Drug Resistance and Development of Standardized Therapy, Eur. J. Clin. Microbiol. Infect. Dis., 24, 136-139, 2005.
  6. Abideen, P. S., Chandrasekaran, K., Uma Maheswaran, V. A. and Kalaiselvan, V., Implementation of Self Reporting Pharmacovigilance in Anti Tubercular Therapy Using Knowledge Based Approach, J. Pharmacovigil., 1, 2, 2013.
  7. Yakar, A., Yakar, F. and Yildiz, N., Isoniazid-and Rifampicin-induced Thrombocytopenia, Multidiscip. Respir. Med., 8, 13, 2013.
  8. Sarkar, D., Deshpande, S. R., Maybhate, S. P., Likhite, A. P., Sarkar, S., Khan, A., Chaudhary, P. M. and Chavan, S. R., 1, 2, 4-triazole Derivatives and Their Antimicrobial Activity, Google Patent, 2016.
  9. Ibezim, E. C., Duchowicz, P. R., Ibezim, N. E., Mullen, L. M., Onyishi, I. V., Brown, S. A. and Castro, E. A., Computer-aided Linear Modeling Employing QSAR for Drug Discovery, Sci. Res. Essays., 4, 1559-1564, 2009.
  10. Adeniji, S. E., Audu, K. E., Abdullahi, M., Mahmoud, A. Y. and Danzarami, D., Genetic Function Approximation and Multi-Linear Regression Approach for Activity Modeling of Ciprofloxacin Derivatives as Potential Anti-Prostate Cancer Agents: A Theoretical Approach, Kenkyu Journal of Pharmacy Practice & Health Care, 4, 6-16, 2018.
  11. Adeniji, S. E., Sani, U. and Uzairu, A., Multivariant QSAR Model for Some Potent Compounds as Potential Anti-Tumor Inhibitors: A Computational Approach, Turk. Comput. Theor. Chem., 3(1) 38-46, 2019.