مطالعه رابطه کمی ساختمان و فعالیت آنتی اکسیدانی ترکیبات فلاونوئیدی

Abstract

فلاونوئید ها به علت فعالیت آنتی اکسیدانی خود نقش مهمی در درمان بیماری هایی مانند سرطان دارند. از این رو طراحی و پیش بینی فعالیت آنتی اکسیدانی فلاونوئید ها می تواند تاثیر مهمی در توسعه ترکیبات جدید داشته باشد.اهداف طرحهدف از این مطالعه بررسی رابطه کمی ساختمان فعالیت ترکیبات فلاونوئیدی (QSAR) به وسیله ی پارامترهای آبراهام و روش آنالیز تصویری برای پیش بینی فعالیت آنتی اکسیدانی مشتقات فلاونوئیدی می باشد. روشساختار دو بعدی ترکیبات فلاونوئیدی و فعالیت آنتی اکسیدانی آنها از مقالات جمع آوری و پارامترهای محلولیت آبراهام با استفاده از نرم افزار ACD/I-labمحاسبه گردید. تبدیل پیکسل تصاویر به عدد، محاسبه مولفه های اصلی (PCs) به وسیله ی نرم افزار متلب انجام شد سپس توصیف گرهای مناسب با استفاده از رگرسیون مرحله ای انتخاب گردید. رگرسیون خطی چند گانه (MLR) برای پارامترهای محلولیت آبراهام و رگرسیون مولفه های اصلی (PCR) برای روش آنالیز تصویری به منظور گسترش مدلQSAR استفاده شد. نتایجرفراکسیون مولی آزاد(E) و اسیدیته باند هیدروژنی (A) به دست آمده از پارامترهای محلولیت آبراهام و مولفه های اصلی در متد آنالیز تصویری به وسیله ی رگرسیون مرحله ای برای گسترش مدل خطی انتخاب گردید. روش آنالیز تصویری مدل هایی با قدرت پیش بینی بالاتری در مقایسه با مدل های ارائه شده توسط پارامترهای آبراهام ایجاد می کند.نتیجه گیریمدل های توسعه یافته به روش آنالیز تصویری می توانند فعالیت آنتی اکسیدانی ترکیبات مطالعه شده را با دقت بالایی پیش بینی کنند. نتیجه ی این مطالعه نشان می دهد که روش آنالیز تصویری می تواند روش مناسبی برای پیش بینی فعالیت داروهایی با ساختار مولکولی مشابه باشد و پارامترهای آبراهام می تواند به عنوان توصیف گرهای مهمی برای توسعه دادن مدل QSAR برای پیش بینی فعالیت آنتی اکسیدانی در نظر گرفته شود., Flavonoids are one of the most important group ingredients of natural compounds. Due to their antioxidant activity, they could play a significant role in some oxidative stress diseases such as cancer. Therefore, designing and predicting activity of flavonoids has an important effect in the development of new patent antioxidants. AimsThe aim of this study was to introduce quantitative structure activity relationship (QSAR) by Abraham parameters and image-based QSAR models for predicting the antioxidant activity of flavonoids and their derivatives.MethodsThe 2D-chemical structures and their antioxidant activity were taken from literature. Abraham solvation parameters were calculated using ACD/ilab software. The pixels of images and their principal components (PCs) were calculated using MATLAB software. The most suitable descriptors and PCs were selected using stepwise regression. Multiple linear regression (MLR) for Abraham solvation parameters and principle component regression (PCR) for image analysis were used to develop the QSAR models. ResultsExcess molar refraction (E) solute hydrogen-bond acidity (A) from Abraham solvation parameters and calculated PCs in image analysis method were selected by stepwise regression for developing linear models. Image analysis method gave the best established QSAR models compared with developed models by Abraham parameters especially for the developed models with similar structures. Discussion and Conclusion The developed image based QSAR models were able to predict the antioxidant activity of the studied compounds with good accuracy. The results of this study indicated that image analysis could be a suitable method to predict the activity of drug-like molecules. In addition, Abraham solvation parameters would be considered as critical parameters in developing mechanistic QSAR models.