مدل سازی رابطه کمی ساختار ویژگی برای پیش بینی فعال کننده های شناخته شده PXR بر پایه روش بهینه سازی مونت کارلو

گیرنده X پرگنن (PXR)، که به طور گسترده در بافت های کبدی و رودهای مرتبط با هضم و متابولیسم بیان می شود، مسئول شناسایی و سم زدایی طیف وسیعی از زینوبیوتیک ها است. برای درک ماهیت چندلیگاندی این گیرنده و سازوکارهای اتصال آن به لیگاندهای متنوع، از رویکردهای محاسباتی از جمله مدل های رابطه کمی ساختار-فعالیت (QSAR) استفاده می شود؛ این روش ها امکان شناسایی سریع ترکیبات بالقوه سمی را فراهم آورده و با کاهش نیاز به آزمون های حیوانی فرایندهای تصمیم گیری نظارتی را تسهیل می کنند. اخیرا رویکردی مستقل از بهینه سازی هندسی مولکول که بر توصیفگرهای ساختاری و توپولوژیکی مبتنی است به عنوان یک روش موثر در مدل سازی QSAR معرفی شده است. یکی از ویژگی های شاخص این روش استفاده از توصیفگرهای مشتق شده از سیستم ورودی خطی ساده شده مولکولی (SMILES) است که برای توسعه مدل ها بهره می برد. در مطالعه فوق مجموعه ای از ۵۰۰ لیگاند با ساختارهای متنوع برای PXR از مقالات معتبر جمع آوری شد. فایل های ورودی نرم افزار از ساختار ترکیبات با نماد SMILES برای نرم افزار CORAL تعریف گشت و داده ها به طور تصادفی به چهار سری شامل آموزش، آموزش نامرئی، کالیبراسیون و مجموعه اعتبارسنجی تقسیم شدند و مدلسازی انجام شد. بررسی عملکرد سه مدل نشان داد که شکافت سوم (Split r) نتایج پیش بینی بهتری را برای گیرنده PXR ارائه می دهد، به طوری که مقدار R۲ برابر ۷۴ به دست آمد. قابلیت اتکا مدل های ساخته شده نیز در آزمون Y-randomization با مقدار CRp برای هر سه مدل تایید گردید.

کلیدواژه ها:

گیرنده X پرگنن ، QSAR ، زینوبیوتیک ، SMILES ، نرم افزار CORAL