QSAR Studies on Neuraminidase Inhibitors as Anti-influenza Agents

Anti-influenza Ajanları Olarak Nöraminidaz İnhibitörlerinin QSAR Çalışmaları

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.

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.