Kimia Komputasi (Review Jurnal QSAR)
Kimia Komputasi (Review Jurnal QSAR)
NIM : 442416035
Kelas : Kimia A
Tugas : Kimia Komputasi (review jurnal QSAR)
Judul : Studi QSAR tentang analog isatin sebagai agen anti kanker in vitro
Abstrak : Hubungan aktivitas struktur kuantitatif (QSAR) dari turunan isatin anti kanker
ditemukan oleh metode regresi linier berganda (MLR) dan algoritma genetik partial least
square (GA-PLS). Topo- deskriptor kelompok logis, kimia, geometris dan fungsional
ditemukan sebagai parameter yang efektif pada aktivitas sitotoksik. Efek positif dari jumlah
atom halogen dan jumlah total karbon sekunder, dan efek negatif dari jumlah amida
sekunder, dan jumlah keton pada aktivitas anti kanker sesuai dengan studi SAR sebelumnya.
Analisis Hansch menunjukkan pentingnya substituen R3 dan R5 lipofilik. Antara MLR dan
GA-PLS, MLR terwakili hasil yang unggul dengan kualitas statistik yang tinggi (R2 ¼ 0.92
dan Q2 ¼ 0.90) untuk memprediksi aktivitas senyawa.
1. Pendahuluan
Bagian isatin (1H-indole-2,3-dione) bertanggung jawab atas spektrum luas sifat-sifat
biologis dalam banyak hal secara sintetis molekul serbaguna [1-5]. Di antara sifat-sifat ini,
sitotoksik dan aktivitas antineoplastik dari bagian ini telah ditemukan menarik. Melihat
literatur, dapat dilihat bahwa secara khusus, turunan isatin terhalogenasi telah dilaporkan
menunjukkan anti- aktivitas kanker. 5-Bromo-3-o-nitrophenyl isatin hydrazone dan
serangkaian 5-bromo- (2-oxo-3-indolinyl) thiazolidine-2,4-diones diganti dengan berbagai
pangkalan Mannich ditemukan untuk dipamerkan aktivitas anti kanker terhadap Walker
carcinoma-256 dan P388 leukemia limfositik pada tikus, masing-masing [6,7]. 6-Bromo-2-
methylthio-3H-indol-3-one, tyrindoleninone, sebuah brominasi prekursor ungu Tyrian,
diisolasi dari massa telur Moluska Australia Dicathais orbita telah dilaporkan sebagai
sitotoksik senyawa laut [8]. 6-bromoisatin, dekomposisi utama produk yang terbentuk
melalui oksidasi tyriverdin (prekursor Ungu krisan), telah terbukti memiliki aktivitas anti
kanker yang lebih tinggi terhadap garis sel limfoma manusia dibandingkan dengan 6-Bromo-
2- methylthio-3H-indol-3-one [8,9]. 5,7-dibromoisatin secara signifikan lebih kuat sebagai
sitotoksin daripada isatin melawan U937 (manusia) limfoma histiositik seperti monosit (10),
yaitu N-benzy turunannya dengan lebih banyak sitotoksisitas terhadap sel limfoma ini dan
aktivitas melawan berbagai jalur sel kanker manusia termasuk garis sel adenokarsinoma
payudara metastatik (MDA-MB-231) [11], dan N-alkylhaloisatins sitotoksik adalah beberapa
contoh yang dilaporkan isatin terhalogenasi anti kanker dalam penelitian terbaru [10-12].
Dalam baru-baru ini disetujui oleh FDA obat 5-fluoro-3-subtitusi-2-oxoin- sedekah, SU11248
(Sutent), disediakan untuk pengobatan gastroin- tumor stroma testinal dan karsinoma sel
ginjal lanjut [13,14].
Studi hubungan aktivitas struktur kuantitatif (QSAR) memberikan informasi berharga
yang bermanfaat bagi ahli kimia obat desain obat dan prediksi aktivitas obat [15-20]. Model
QSAR adalah persamaan matematika yang membangun suatu hubungan antara struktur kimia
dan aktivitas biologisnya sebagai model regresi linear dari bentuk y ¼ Xb þ e. Persamaan ini
mungkin digunakan untuk menggambarkan sekumpulan variabel prediktor (X) dengan
prediksi variabel (y) dengan menggunakan vektor regresi (b). Dalam QSAR yang khas
Mempelajari orang perlu menemukan satu set deskriptor molekuler yang mewakili dampak
yang lebih tinggi pada aktivitas biologis yang menarik. Berganda regresi linier (MLR),
algoritma genetika (GA), partial least square (PLS) dan analisis komponen utama (PCA)
adalah beberapa di antaranya metode pemilihan variabel untuk membangun set [21-24].
Pendekatan penting dari para peneliti dalam modifikasi isatin moiety telah membentuk
struktur yang komprehensif– activity relationship (SAR), untuk kelas agen anti-kanker ini.
Memiliki telah ditunjukkan bahwa pengenalan halo yang menarik elektron terkait dengan
cincin benzena dari molekul isatin peningkatan aktivitas biologis [10].
Pengenalan cincin aromatik dengan satu atau tiga penghubung atom karbon di N juga
meningkatkan aktivitas [11] Hubungan struktur aktivitas anti-kanker terhalogenasi isatin
didefinisikan dalam batas tertentu dalam literatur, tetapi tidak ada laporan apa pun untuk
pendekatan kuantitatif, struktur kuantitatif activity relationship (QSAR), untuk
menggambarkan hubungan ini lebih jauh secara tepat dan terperinci. Dalam konteks ini, kami
tertarik untuk melakukannya menyelidiki QSAR dari turunan isatin yang telah dilaporkan
untuk menunjukkan aktivitas anti-kanker dalam laporan terbaru. Analisis QSAR kami
membangun hubungan matematis antara aktivitas biologis dan parameter yang dapat dihitung
seperti topologi, fisikokimia, indeks stereokimia atau elektronik.
3. Kesimpulan
Hubungan kuantitatif antara struktur molekul dan Aktivitas anti kanker
turunan isatin ditemukan oleh dua metode kemometrik: MLR dan GA-PLS. Model
QSAR yang berbeda mengungkapkan bahwa parameter topologis (X3v dan PJI2)
memiliki signifikan berdampak pada aktivitas anti-kanker senyawa. Dalam seri ini
peran penting bahan kimia (Polarisasi dan HE), konstitusional (Sv dan nX) dan
parameter geometris (G1 dan SPAM) pada aktivitas penghambatan diamati.
Menggunakan kumpulan semua jenis deskriptor yang dihitung model QSAR baru
diturunkan untuk ini senyawa. Dalam model ini pentingnya efek topologi (X3v dan
PJI2) dan parameter grup fungsional (nCs) pada Aktivitas sitotoksik diindikasikan.
Efek positif dari angka tersebut atom halogen dan jumlah karbon sekunder total, dan
efek negatif dari jumlah amida sekunder, dan jumlah keton pada aktivitas anti-kanker
disepakati dengan studi SAR sebelumnya. Analisis Hansch mengungkapkan
pentingnya faktor lipofilik sebagai substituen R3 dan R5 pada aktivitas anti-kanker.
Model GA-PLS menunjukkan efek tujuh indeks topologi (X3v, PW4, PJI2, MSD,
SEigZ, IC1 dan BIC2), tiga deskriptor konstitusional (Ss, Me dan nBr) dan satu bahan
kimia parameter (Vol) pada aktivitas sitotoksik senyawa. Perbandingan antara dua
metode statistik yang digunakan menunjukkan bahwa MLR mewakili hasil yang
unggul. MLR yang dihasilkan model memiliki kualitas statistik yang tinggi (R2 ¼
0.92 dan Q2 ¼ 0.90) untuk memprediksi aktivitas senyawa.
4. Metode
4.1. Generasi deskriptor
Komputer pribadi Pentium IV (CPU pada 3,06 GHz) dengan sistem operasi windows XP
digunakan. Dua dimensi struktur molekul digambar oleh perangkat lunak Hyperchem 7.0
(Hypercube Inc.) untuk menghitung seluruh struktur molekul berbasis deskriptor. Geometri
akhir diperoleh dengan semi-empir- perhitungan AM1 ical dalam program Hyperchem.
Molekul struktur dioptimalkan menggunakan algoritma Polak-Ribiere hingga gradien akar
kuadrat rata-rata adalah 0,01 kkal mol- 1 [25,26]. Beberapa parameter fisikokimia termasuk
volume molekul (V), luas permukaan molekul (SA), hidrofobisitas (Log P), hidrasi energi
(HE) dan polarizability molekul (MP) dihitung menggunakan Perangkat Lunak Hyperchem.
Untuk menghitung beberapa molekul deskriptor termasuk topologi, konstitusional dan
fungsional deskriptor kelompok molekul dioptimalkan dipindahkan ke paket Naga,
dikembangkan oleh chemometrics Milano dan Grup QSAR [27]. Z-matriks struktur
disediakan oleh Hyper- perangkat lunak kimia dan kemudian ditransfer ke paket Gaussian 98
untuk mendapatkan sifat kimia kuantum dari seluruh molekul struktur [28].
Perhitungan orbital molekul semi-empiris (AM1) struktur dilakukan dalam perangkat
lunak ini. Kuantum deskriptor kimia yang diperoleh adalah momen dipol (DM), lokal biaya,
energi HOMO dan LUMO [29]. Deskriptor yang dihitung dari seluruh struktur molekul
dijelaskan secara singkat pada Tabel 2. Konstanta substituen klasik termasuk konstanta
hidrofobik (p), konstanta elektronik Hammet, efek medan Taft (FI), resonansi (R) substituen
dan sterik (MR dan. refraksi molar STERIMOL) konstanta juga digunakan sebagai deskriptor
dalam penelitian ini [30].
4.2. Penyaringan data dan pembangunan model
Deskriptor yang dipilih dari setiap kelas dan eksperimen data dianalisis dengan regresi
bertahap SPSS (versi 12.0) perangkat lunak. Deskriptor yang dihitung dikumpulkan dalam
matriks data yang jumlah baris dan kolomnya adalah jumlah molekul dan deskriptor, masing-
masing. Regresi linier berganda (MLR) dan partial least square (PLS) digunakan untuk
menurunkan persamaan QSAR dan pemilihan fitur dilakukan dengan menggunakan
algoritma genetik rithm (GA). Model yang dihasilkan divalidasi oleh cuti-satu prosedur
validasi silang (menggunakan perangkat lunak MATLAB) untuk memeriksa prediktabilitas
dan ketahanan. Kami menggunakan metode leave-one-out (LOO) untuk validasi model
memanfaatkan koefisien korelasi dan root mean square error dari cross- validasi (q2 dan
RMSECV, masing-masing) sebagai fungsi penilaian. Metode regresi PLS yang digunakan
dalam penelitian ini adalah NIPALS- algoritma berbasis ada di kotak alat chemometrics
MATLAB perangkat lunak (versi 7.1 Math work Inc.). Leave-one-out cross-vali- prosedur
dasi digunakan untuk mendapatkan jumlah optimum faktor-faktor berdasarkan kriteria
Haaland dan Thomas F-rasio [31].