Struktur 2D dari senyawa ini dibuat sketsa dengan menggunakan perangkat lunak ultra
ChemDraw (Cambridge Soft Corporation, USA). perangkat lunak Discovery studio 3.0
(Accelrys Inc. San Diego, USA) pada beberapa deskriptor fisikokimia dan struktural (AlogP,
berat molekul, jumlah akseptor ikatan hidrogen dan donor, cincin aromatik).
Tipe Analisis :
Langkah utama dari optimasi Monte Carlo adalah memilih periode dan
ambang yang lebih disukai yang memberikan model kualitas statis terbaik
(yaitu korelasi tertinggi
koefisien) untuk set tes. Setelah pemilihan ambang dan epochs yang sesuai,
model dibangun dengan memasukkan nilai ambang dan epoch yang dipilih
dengan membawa
keluar seluruh proses optimasi Monte Carlo, orang bisa mendapatkan model
yang cocok dan model terbaik dipilih berdasarkan kriteria Golbraikh dan
Tropsha
(Golbraikh & Tropsha, 2002).
Metode rekursif partisi (RP) menentukan simpul dan daun internal pohon
(Adhikari et al., 2016) . Setiap node internal terhubung ke tes
deskriptor dan setiap daun dilambangkan sebagai label klasifikasi. Indeks
Gini, parameter lain, menunjukkan metode pemisahan. Untuk setiap node,
algoritma membantu dalam pencarian deskriptor serta titik cut-off bersama
dengan pengurangan indeks Gini untuk membagi senyawa menjadi beberapa
cabang. Proses ini dilanjutkan sampai node signifikan serta jumlah minimum
sampel / node diperoleh. Sejauh hasil yang lebih baik diperhatikan,
kompleksitas harus dikurangi bersama dengan 'Jumlah sampel minimum /
node' dan 'Kedalaman pohon maksimum' ditetapkan masing-masing menjadi
4 dan 20. Kurva ROC membantu untuk memahami kekokohan model RP ini
(Hevener et al., 2012) . 2006).
7. Pemodelan Bayesian
8. Studi QSAR 3D
2. Parameter SVM
SVM adalah algoritma pembelajaran yang diawasi yang meminimalkan risiko struktural yang
disebut. SVM banyak digunakan baik dalam tugas klasifikasi dan regresi. Di sini
mempertimbangkan SVM untuk klasifikasi yang dikembangkan oleh Corinna Cortes dan Vladimir
N. Vapnik pada tahun 1995. Ini dapat dengan mudah diperluas ke kasus SVM non-linear
menggunakan apa yang disebut trik kernel. Model linier SVM adalah:
f(x)=wTx+b
di mana x adalah vektor fitur input, w dan b tidak diketahui dan perlu ditentukan oleh sampel
pelatihan.
hal dapat diformulasikan sebagai:
mininizew,ε 12wTw+C∑i=1nεi
subject to yif(xi)≥1−εi,i=1,2,⋯,nεi≥0,i=1,2,⋯,n
Oleh karena itu, dengan gagasan kernel K (xi,xj)=ΦT(xi)Φ(xj), fungsi classifier SVM
yang dihasilkan dapat ditulis ulang sebagai:
f(xi)=∑i=1NsykαkK(xi,sk)+b
di mana sk, k = 1,2, ⋯, Ns adalah yang disebut vektor dukungan (SV).
3. A log P
KESIMPULAN
Serangkaian pyrazolo [3,4-d] pirimidin yang memiliki aktivitas penghambatan PDE1 digunakan
untuk mendapatkan wawasan tentang persyaratan struktural dari molekul-molekul ini. Dari
rincian ini studi SAR kuantitatif dengan model QSAR yang divalidasi serta pemetaan
farmakofora.
kesimpulan berikut dapat dibuat:
(2) Fungsi N-methylated (fitur farmakofora hidrofobik) pada posisi ke-5 dari inti
pyrazolopyrimidione planar diperlukan untuk berinteraksi dengan enzim PDE1. Modifikasi
fungsi N-desmethyl menghasilkan aktivitas yang buruk (cpd 47 vs cpd 48).
(3) Cincin C dari pirazida pirazol [3,4-d] berfungsi sebagai fitur positif ionisable (PI) yang
dibuktikan oleh model farmakofora.
(4) Substitusi besar pada posisi Ca cincin C tidak menguntungkan (cpd 12 vs cpd 9-10).
(5) Cincin siklopentil yang menyatu pada cincin C sesuai dengan fitur HY1 dari Hypo-1. Oleh
karena itu, cincin siklopentil terkonfigurasi mutlak juga merupakan salah satu kontributor utama
terhadap potensi pengikatan PDE1.
(6) Kelompok 3-amino pada inti pirazol ditemukan menjadi sangat penting. Penggantian dari
fungsi -NHF dengan oksigen, atom sulfur dan bagian methelena menghasilkan penurunan 35-90
kali lipat dalam efisiensi pengikatan PDE1.
(7) Senyawa dengan gugus 3-fenilamino pada cincin A bermanfaat terhadap PDE1 daripada liner
yang sesuai dan alkilamino bercabang (-NH2, -CH3NH, -n PrNH, -i-PrNH, -i-BuNH, -cPentNH,
-c-HexNH) analog.
(8) Senyawa dengan atom nitrogen pyrazole tidak tersubtitusi (cpd 13) menunjukkan aktivitas
yang buruk terhadap enzim PDE1 (Ki: 1.4 μM). Oleh karena itu, substituen pada cincin pyrazole
penting (baik pada N1 atau N2) untuk meniru fungsi ribosa cGMP, yang dapat menghasilkan
interaksi reseptor obat yang lebih baik.
(9) Analog pengganti N2 tampaknya lebih bermanfaat untuk penghambatan PDE1 dibandingkan
dengan gugus yang disubstitusi N1. Pengamatan ini didukung oleh semua model (2D berbasis
Regresi QSAR, model klasifikasi Bayesian, 3D QSAR dan teknik pemodelan farmakofora).
(10) Molekul bulkil aril pada posisi ke-2 cincin A menguntungkan untuk berinteraksi dengan
enzim PDE1. Menariknya, rantai samping benzil tersubstitusi-p pada posisi N2 sangat penting
untuk mempertahankan potensi penghambatan PDE1 dalam kisaran nanomolar.