CC BY
28
МЕДИЦИНСКИЙ V 'И!!! 1.1 ■ I
НЕПРЁРЫЫНО О ОБРАЗОВАНИЕ
protein, according to studies, are independent predictors of mortality. At the same time, the study of these factors, taking into account the residual renal function, is of great interest.
Aim of study: to study the levels of ferritin and C-reactive protein in patients with chronic kidney disease 5 degrees who were treated with programmed hemodialysis for the first year, depending on the outcome of the disease and residual renal function.
A prospective study involved 36 patients with chronic kidney disease 5 degrees who underwent hemodialysis from January 2019 to January 2020 in the "ArAbat" dialysis center in Almaty. Depending on the outcome of disease, taking into account the residual renal function, the levels of ferritin and C-reactive protein in blood serum, which were determined before hemodialysis, were compared. Statistical data processing was performed using the nonparametric Mann-Whitney test.
As a result of our study, we found that in patients with preserved residual renal function who died during the first year, hyperferritinemia was observed before treatment (p = 0.05). However, the level of C-reactive protein did not significantly differ among surviving and died patients with preserved residual renal function (p = 0.29).
Thus, hyperferritinemia, which was determined before the onset of hemodialysis, may be associated with an unfavorable outcome in patients with grade 5 chronic kidney disease on hemodialysis, irrespective of the preserved residual renal function.
Key words: hemodialysis, residual renal function, ferritin, C-reactive protein.
УДК 542. 8:544. 183.26 DOI: 10.24411/1995-5871-2020-10085
ОПТИМИЗАЦИЯ ФАРМАКОЛОГИЧЕСКИХ СВОЙСТВ И ТОКСИЧНОСТИ НОВЫХ
ПРОИЗВОДНЫХ ПИПЕРИДИНА
1 А.К. Бошкаева, 1 Р.А. Омарова, 41 Н. Дюсенова, 2 Г.С. Ахметова
1 НАО «Казахский национальный медицинский университет», г. Алматы 2 АО «Институт химических наук им. А.Б. Бектурова», г. Алматы
АННОТАЦИЯ
Качественное прогнозирование свойств (у конкретного химического соединения ^ определенный тип биологической активности) основывается на решении классифика-| ционной задачи методом QSAR. QSAR относится к методам математической статистики ^ и находит применение в построении моделей, с помощью которых создаются прогнозы фармакологических свойств соединений на основе описания их химических структур. а Прогноз может дать направление для выбора определенных видов биологической активности с целью их тестирования, а также определить, какие вещества будут обладать требуемыми видами активности с наибольшей вероятностью.
Методы QSAR позволяют производить оценку фармакологической активности и ^ токсичности (виртуальный скрининг), что позволяет значительно сэкономить затраты на ¡3? время и ресурсы при фармацевтической разработке новых ЛС.
* пиг.8181@таИ. ги
Проведенные расчеты фармакологических и токсичных свойств лекарственных средств, а также расчеты их пространственной и электронной структуры могут исполь -зоваться для синтеза новых лекарственных соединений на основе пиперидина.
Ключевые слова: QSAR, моделирование, биологичская активность, токсичность, скрининг, дескрипторы.
Актуальность темы. В связи с современными требованиями безопасности, возникает новая проблема, связанная с созданием лекарственных средств - необходимость в разработке биологически активных препаратов, наиболее эффективных и наименее опасных для человека и окружающей среды. Посильный вклад в ее решение вносит целенаправленный синтез новых органических веществ, с помощью проведения биологического скрининга.
Внедрение компьютерных методов QSAR, позволяющих не только моделировать предполагаемую структуру лекарственного вещества, но и рассчитать вероятность наличия некоторых фармакологических свойств, определить возможные механизмы взаимодействия синтезируемого препарата с рецепторами в организме, рассчитать токсичность, тера-тогенность, мутагенность и т.д., является одним из способов решения данной про -блемы.
Исходя из указанного выше, исследования на основе теоретической оценки комплекса свойств «биологическая активность-токсичность» и моделирование конкретных молекулярных структур безопасных химических соединений являются актуальными.
Введение. Компьютерная программа PASS позволяет осуществлять прогноз биологической активности соединения при помощи анализа взаимосвязи «структура-активность», проводимого на основе структурной формулы органического «соединения-лидера», из которого в последующем планируется получение ЛС на роль лекарственного соединения. Для внесения информации о структурных формулах исследуемых соединений используются формат Molfile (для одной структуры) или в виде файла в формате SDfile - для набора структур [1-2].
В программе PASS применяется специальная В-статистика, основанная на Байесовском подходе. На ее основе происходит построение моделей «структура-активность» с использованием веществ обучающей выборки и прогнозирования активности для новых (отсутствующих в обучающей выборке) соединений [3-4].
Алгоритм прогноза PASS использует следующие данные о взаимосвязях «структура-активность» :
• общее количество соединений в SAR Base
• количество соединений, содержащих дескриптор в описании структуры
• количество соединений, содержащих активность в спектре активности
• количество соединений, содержащих и дескриптор в описании структуры, и активность в спектре активности.
Структуру химического соединения в программе PASS описывают особые дескрипторы - дескрипторы MNA (Multilevel Neighborhoods of Atoms - многоуровневые атомные окрестности). Они разрабатывались на основе подходов к решению задач о взаимосвязях «структура - свойство» [5].
Обучающая выборка PASS включает в себя более 200000 отобранных записей о структуре и биологической активности органических соединений. База знаний SAR при обучении использует эту обучающую выборку в качестве основы. SAR Base включает в себя перечень типов биологической активности и словарь MNA дескрипторов, данные и знания о взаимосвязях «структура - биологическая активность», базу данных структур соединений из обучающей выборки со спектрами их биологической активности. Структура соединения в базе отображена в виде соответствующего набора дескрипторов MNA. Однако создание достаточно большой выборки биологически активных соединений, с эксперимен-
>е в
е»
S SS е» S
5S *
SC
КАЗАХСКИИ
МЕДИЦИНСКИЙ
УНИВЕРСИТЕТ
НЕПРЕРЫВНОГО
ОБРАЗОВАНИЯ
>е
О &
^
е» S
S «
е» S
5S
тально подтвержденными данными био -логической активности, опираясь только на источники со свободным доступом, не представляется возможным. Это является причиной разности в числе представляющих каждую биологическую активность соединений: некоторые виды представлены более чем 10000 органических соединений, а другие - только несколькими.
Точность прогнозируемых с помощью системы PASS активностей была подтверждена для ряда веществ, относящихся к различным химическим классам и обладающих разнообразными фармакологическими эффектами: антигипертензивный, противоопухолевый, противобактериаль-ный, гепатопротекторный, противовоспалительный, антиоксидантный и местноане-стезирующий. Одним из самых наглядных примеров эффективности применения компьютерного прогноза является открытие противоязвенного действия у веществ, синтезированных как потенциальные диуретики. Из 300 синтезированных веществ, с по -мощью PASS было отобрано 20 соединений с прогнозом противоязвенного эффекта. Из отобранных веществ было синтезировано и изучено в эксперименте 9 веществ, у 5 из которых выявлено отчетливое противоязвенное действие, примерно равное по силе действия препаратам сравнения. При использовании в данном исследовании скрининга взамен компьютерного прогноза объем затрат на проведение биологических испытаний был бы до 15 раз больше [6-7].
Таким образом, программа PASS может дать направление для выбора определенных видов биологической активности с целью их тестирования, а также определить, какие вещества будут обладать требуемыми видами активности с наибольшей вероятностью.
Целью исследования является анализ молекулярных моделей потенциальных лекарственных соединений на основе про -изводных пиперидина и проведение виртуального скрининга фармакологических свойств на основе закономерностей связи «структура-свойство» для изучения фармакологических свойств и целесообразно-
сти синтеза.
Для достижения цели были поставлены следующие задачи:
- компьютерное прогнозирование фармакологических свойств производных пиперидина;
- определение связи между химической структурой и фармакологическим действием производных пиперидина.
Материалы и методы: производные пиперидина; методы моделирования 3D QSAR: CoMFA и CoMSIA, PASS; виртуальный скрининг (in silico).
Результаты и обсуждение. Расчет фармакологических свойств и токсичности моделей новых производных пиперидина проводился следующим образом: предварительно все 17 соединений были собраны в общий файл формата SD. Далее был произведен расчет в программе PASS Refined 2014 по следующим параметрам - токсичность и фармакологическая активность. Пороговое значение наличия активности (Ра) было выбрано >0,2 (вероятность наличия активности от 20% и выше), для токсичности >0,1 (вероятность наличия активности от 10% и выше). Поиск проводился на основе требуемых фармакологических эффектов: анестезирующий, антинейро-токсический, спазмолитический, противо-кашлевый.
Для анализа токсичности были взяты следующие параметры токсичности (как наиболее значимые при применении данных препаратов в будущем): терато-генность, мутагенность, канцерогенность, эмбриотоксичность, токсичность для дыхательного центра, анафилактический шок, нейротоксичность, гематоксичность, зрительная токсичность. Полученные результаты представлены в таблицах 1, 2 и 3.
Для соединения 2 наиболее характерны:
• анестезирующий эффект - Ра=0,360
• спазмолитический эффект -Ра=0,392
• противокашлевый эффект -Ра=0,443
Расчетные данные по токсичности: тератогенность - 0,577, эмбриотоксичность
- 0,564, канцерогенность - 0,230, репродуктивная дисфункция - 0,565, зрительная токсичность - 0,571, нейротоксичность -0,683, гематоксичность - 0,328, анафилактический шок - 0,612, токсичность для дыхательного центра - 0,220. Для соединения
2 по результатам прогноза подтверждена его анестезирующая активность. Кроме того, для него не исключены вероятности спазмолитического и противокашлевого эффектов, вероятность проявления которых, исходя из расчета выше.
Расчет прогноза фармакологических свойств соединения 3 показал следующее:
• анестезирующий эффект - Ра=0,305;
• антинейротоксический эффект -Ра=0,863;
• спазмолитический эффект -Ра=0,420;
• противокашлевый эффект -Ра=0,433.
Расчетные данные по токсичности: тератогенность - 0,640, эмбриотоксичность
- 0,623, канцерогенность - 0,238, репродуктивная дисфункция - 0,565, зрительная токсичность - 0,710, нейротоксичность -0,646, гематоксичность - 0,463, анафилактический шок - 0,688, токсичность для дыхательного центра - 0,669. Для соединения
3 с наиболее выраженными свойствами по результатам прогноза являются: антиней-ротоксическое. Кроме того, оно может обладать спазмолитической и противокашле-вой активностью.
Прогноз фармакологических свойств соединения 4 показывает:
• анестезирующий эффект - Ра=0,677;
• антинейротоксический эффект -Ра=0,826;
• спазмолитический эффект -Ра=0,483;
• противокашлевый эффект -Ра=0,571.
Расчетные данные по токсичности: те-ратогенность - 0,358, эмбриотоксичность -0,350, репродуктивная дисфункция - 0,392, зрительная токсичность - 0,589, нейротоксичность - 0,381, гематоксичность - 0,314, анафилактический шок - 0,604, токсичность для дыхательного центра - 0,206.
Для соединения 4 с наиболее выраженными свойствами по результатам прогноза являются: антинейротоксическое действие. Также очень высока вероятность анестезирующего действия, что отвечает цели проводимого исследования.
Расчет фармакологических свойств соединения 6:
• анестезирующий эффект - Ра=0,510
• антинейротоксический эффект -Ра=0,894
• спазмолитический эффект -Ра=0,612
• противокашлевый эффект -Ра=0,458
Расчетные данные по токсичности: тератогенность - 0,398, эмбриотоксичность - 0,403, канцерогенность - 0,187, репродуктивная дисфункция - 0,487, зрительная токсичность - 0,729, нейротоксичность -0,578, гематоксичность - 0,415, анафилактический шок - 0,703, токсичность для дыхательного центра - 0,214.
Для соединения 6 с наиболее выраженными свойствами по результатам прогноза являются: антинейротоксическое, спазмолитическое действия. Также имеется относительно высокая вероятность анестезирующего действия, что отвечает цели проводимого исследования.
Расчет фармакологических свойств соединения 7:
• анестезирующий эффект - Ра=0,714
• антинейротоксический эффект -Ра=0,867
• спазмолитический эффект -Ра=0,813
• противокашлевый эффект -Ра=0,498
Расчетные данные по токсичности: эмбриотоксичность - 0,249, репродуктивная дисфункция - 0,361, зрительная токсичность - 0,601, нейротоксичность - 0,369, гематоксичность - 0,463, анафилактический шок - 0,602. Для соединения 7 с наиболее выраженными свойствами по результатам прогноза являются: антинейротоксическое и спазмолитическое действия. Также соединение обладает наиболее высоким значением анестезирующего эффекта.
>е в
е»
а «
е» а
* ¡5
КАЗАХСКИИ МЕДИЦИНСКИЙ V 'И!!! 1.1 ■ [
Н1' -,_-ыи......
ОБРАЗОВАНИЯ
Расчет фармакологических свойств соединения 10:
• анестезирующий эффект - Ра=0,246
• антинейротоксический эффект -Ра=0,749
• спазмолитический эффект -Ра=0,284
• противокашлевый эффект -Ра=0,217
Расчетные данные по токсичности: репродуктивная дисфункция - 0,189, зрительная токсичность - 0,370, гематок-сичность - 0,276, анафилактический шок - 0,443, токсичность для дыхательного центра - 0,337. Для соединения 10 с наиболее выраженными свойствами по результатам прогноза являются: антинейротоксическое действие, присутствует вероятность спазмолитической и анестезирующей активности.
Расчет фармакологических свойств соединения 15:
• анестезирующий эффект - Ра=0,311
• антинейротоксический эффект -Ра=0,660
• спазмолитический эффект -Ра=0,273
• противокашлевый эффект -Ра=0,212
Расчетные данные по токсичности: зрительная токсичность - 0,369, гематок-сичность - 0,257, анафилактический шок -0,380, токсичность для дыхательного центра - 0,339.
Для соединения 15 с наиболее выраженными свойствами по результатам прогноза являются: антинейротоксическое. Присутствует вероятность спазмолитической и анестезирующей активности.
Таблица №1. Значения фармакологических эффектов (Ра)
>е в
е» а
а «
е» а
* ¡5
Название соединения Анестезирующий Антинейротоксический Спазмолитический Противо-кашлевый
4 - гидрокси - 1 - (2-гидроксиэтил) пиперидин - 4 - карбоновой кислоты (№2) 0,360 0,392 0,443
1 - (2-гидроксиэтил) - 4 - (пропаноилокси) пиперидин - 4 - карбо-новая кислота (№3) 0,305 0,863 0,420 0,433
4 - (бензоилокси) -1 -(2 - гидроксиэтил) пиперидин - 4 - карбоно-вая кислота (№4) 0,677 0,826 0,483 0,571
1 - (2 - гидроксиэтил) пиперидин - 4 - илбен-зоат (№6) 0,510 0,894 0,612 0,458
2 - [4 - (бензоилокси) пиперидин - 1 - ил] этилбензоат (№7) 0,714 0,867 0,813 0,498
1 - [2 - (пропаноилокси) этил] - пиперидин -4 - илиден} аминопро-паноат (№10) 0,246 0,749 0,284 0,217
{1 - [3 - (пропаноилок- 0,311 0,660 0,273 0,212
си) пропил] пиперидин
- 4 - илиден} амино-
пропаноат (№15)
Таблица №2. Значения токсичности соединений (Ра)
Название соединения Репродук тивная дисфункция Анафилак тичес-кий шок Терато-геннность Гематоксич-ность Токсич -ность (дых. центр)
1 2 3 4 5 6
2 соединение 4 - ги-дрокси 1 - (2 - ги-дроксиэтил) пиперидин - 4 - карбоновой кислоты (№2) 0,565 0,612 0,577 0,328 0,220
3 соединение 1 - (2 - гидроксиэтил) - 4 -(пропаноилокси) пиперидин - 4 - карбо-новая кислота (№3) 0,639 0,688 0,640 0,463 0,669
4 соединение 4 -(бензоилокси) - 1 - (2 - гидроксиэтил) пиперидин - 4 - карбо-новая кислота (№4) 0,392 0,604 0,358 0,314 0,206
6 соединение 1 - (2 -гидроксиэтил) пиперидин - 4 - илбензоат (№6) 0,487 0,703 0,398 0,415 0,214
7 соединение 2 - [4 - (бензоилокси) пиперидин- 1 -ил] этил-бензоат (№7) 0,361 0,602 0,292
10 соединение {1 -[2 - (пропаноилокси) этил] пиперидин - 4 - илиден} аминопро-паноат (№10) 0,180 0,443 0,276 0,337
15 соединение {1 -[3 - (пропаноилокси) пропил] пиперидин - 4 - илиден} амино-пропаноат (№15) 0,380 0,257 0,339
>е в
е» г
г «
е» г
*
ЙЗ
КАЗАХСКИИ МЕДИЦИНСКИЙ V 'И!!! 1.1 ■ [
ны -,_-ыи......
ОБРАЗОВАНИЯ
Таблица №3. Значения токсичности соединений (Ра)
Название Канцероген- Эмбриотоксич- Зрит. Нейротоксич-
соединения ность ность токсичность ность
2 соединение 4 - ги- 0,230 0,564 0,571 0,683
дрокси - 1 - (2 - ги-
дроксиэтил) пиперидин
- 4 - карбоновой кисло-
ты (№2)
3 соединение 1 - (2 - 0,238 0,623 0,710 0,646
гидроксиэтил) 4 - (про-
паноилокси) пипери-
дин - 4 - карбоновая
кислота (№3)
4 соединение 4 - (бен- 0,350 0,589 0,381
зоилокси) - 1 (2 - ги-
дроксиэтил) пиперидин
- 4 - карбоновая кисло-
та (№4)
6 соединение 1 - (2 - ги- 0,187 0,403 0,729 0,578
дроксиэтил) пиперидин
- 4 - илбензоат (№6)
7 соединение 2- [4- 0,249 0,601 0,369
(бензоилокси) пипери-
дин-1-ил] этилбензоат
(№7)
10 соединение {1- [2- 0,370
(пропаноилокси) этил]
пиперидин-4-илиден}
аминопропаноат (№10)
15 соединение {1- [3- 0,369
(пропаноилокси) про-
пил] пиперидин-4-или-
ден} аминопропаноат
(№15)
Анализ результатов теоретического расчета фармакологических свойств и токсичности исследованных модельных про -изводных пиперидина, проведнный с учетом особенностей их строения позволяет сделать следующие выводы:
- чем выше расчетное значение фармакологической активности соединения, тем выше расчетное значение его токсичности;
- наличие радикала бензоилоксида в структуре производного пиперидина значительно увеличивает вероятность нали-
чия анестезирующего эффекта, и снижает показатели токсичности соединения в прямой зависимости от количества - чем больше их число, тем лучше прогноз;
- отстутствие радикалов бензоилок-сида и наличие радикалов пропионата значительно снижает показатели прогноза наличия фармакологических и токсических эффектов;
- наличие карбоксильного радикала в структуре значительно увеличивает вероятность наличия анестезирующего эффекта, и увеличивает показатели токсичности
соединения. При помощи программы PASS были рассчитаны фармакологические и токсические эффекты для 7 отобранных моделей новых производных пиперидина, которые были отобраны методами HyperChem и проведено сравнение пиперидина с расчетами фармакологических эффектов.
Проведя сравнение данных полученных прогнозов для каждого соединения, из 7 отобранных соединений наибольший
интерес для синтеза с последующим получением из него лекарственной формы является соединение №7. Соединение №4 и №6 также может быть рекомендовано для синтеза по причине его относительно низкой токсичности и высокими прогнозируемыми значениями требуемых фармакологических эффектов (спазмолитического и анестезирующего) в сравнении со всеми исследованными моделями.
СПИСОК ЛИТЕРАТУРЫ
1. Прогнозирование свойств фармакологических веществ in silico. В кн.: Промышленная фармация. Путь создания продукта. Путь создания продукта: монография / Ж.И. Аладышева, В.В. Береговых, Н.Б. Демина [и др.]; под ред. А.Л. Хохлова и Н.В. Пятигорской. - М.: 2019. с. 44-86.
2. Зефирова О.Н., Балакин К.В., Красавин М.Ю., Палюлин В.А., Поройков В.В., Радченко Е.В., Салахутдинов Н.Ф., Спасов А.А., Фисенко В.П., Бачурин С.О. Глоссарий русскоязычных терминов в медицинской химии. Известия Академии наук. Серия химическая, 2019, № 12, 2381-2395.
3. Поройков В.В., Филимонов Д.А., Глориозова Т.А., Лагунин А.А., Дружиловский Д.С., Рудик А.В., Столбов Л.А., Дмитриев А.В., Тарасова О.А., Иванов С.М., Погодин П.В. Компьютерный прогноз спектров биологической активности органических соеди -нений: возможности и ограничения. Известия Академии наук. Серия химическая, 2019, № 12, 2143-2154.
4. Филимонов Д.А., Дружиловский Д.С., Лагунин А.А., Глориозова Т.А., Рудик А.В., Дмитриев А.В., Погодин П.В., Поройков В.В. Компьютерное прогнозирование спектров биологической активности химических соединений: возможности и ограничения Biomedical Chemistry: Research and Methods, 1 (1), e00004.
5. Murtazalieva K.A., Druzhilovskiy D.S., Goel R.K., Sastry G.N., Poroikov V.V. (2017). How good are publicly available web services that predict bioactivity profiles for drug repurposing? SAR and QSAR in Environmental Research, 28 (10), 843-862.
6. Дружиловский Д.С., Рудик А.В., Филимонов Д.А., Глориозова Т.А., Лагунин А.А., Дмитриев А.В., Погодин П.В., Дубовская В.И., Иванов С. М., Тарасова О.А., Беженцев В.М., Муртазалиева Х.А., Семин М.И., Майоров И.С., Gaur A.S., Sastry G.N., Поройков В.В. (2017). Компьютерная платформа Way2Drug: от прогнозирования биологической активности к репозиционированию лекарств. Известия Академии наук. Серия химическая. № 10, 1832-1841. ^
7. Lagunin A., Zakharov A., Filimonov D., Poroikov V. (2011). QSAR modelling of rat ^ acute toxicity on the basis of PASS Prediction. Molecular Informatics, 30 (2-3), 241-250. ^
>e «
^
S S S
I «
5S *
SC
КАЗАХСКИИ
МЕДИЦИНСКИЙ
УНИВЕРСИТЕТ
НЕПРЕРЫВНОГО
ОБРАЗОВАНИЯ
ПИПЕРИДИННЩ ЖАКА ТУЫНДЫЛАРЫНЫЦ ФАРМАКОЛОГИЯЛЫК КАСИЕТТЕР1 МЕН УЫТТЫЛЬ^ЫН ОКТАЙЛАНДЫРУ
1А.К. Бошкаева, 1 Р.А. Омарова, *1 Н. Дюсенова, 2 Г.С. Ахметова
1 КЕАК «С.Ж. Асфендияров атындагы ¥лттьщ медицина университете», Алматы к-сы 2 А.Б. Бектуров атындагы химия гылымдары институты, Алматы к-сы
ТYЙIНДI
^асиеттердi сапалы болжау (накты химиялык косылыста биологиялык белсендшктщ белгiлi бiр типi) QSAR эдiсiмен жiктеу есебiн шешуге непзделедг QSAR математикалык статистика эдiстерiне жатады жэне олардын химиялык курылымдарын сипаттау негiзiнде косылыстардын фармакологиялык касиеттершщ болжамдары жасала-тын модельдердi куруда колдануды табады.
Болжам биологиялык белсендшктщ белгш бiр тYрлерiн тестiлеу максатында тандау Yшiн багыт бере алады, сондай-ак негурлым ьщтималдыгы бар белсендiлiктiн талап етшетш тYрлерiне кандай заттар ие болатынын аныктайды. QSAR эдiстерi фармакологиялык белсендшп мен уыттылыгын (виртуалды скрининг) багалауга мYмкiндiк бередi, бул жана дэрiлiк заттардын фармацевтикалык дамуына уакыт пен ресурстарды айтарлыктай Yнемдеуге мYмкiндiк бередi.Бiрiктiрiлген дэрiлiк заттардын фармакологиялык жэне уытты касиеттерiнiн жYргiзiлген есептерi, сондай-ак олардын кенiстiктiк жэне электрондык курылымынын есептерi пиперидин негiзiнде жана дэрiлiк косылыстарды синтездеу Yшiн пайдаланылуы мYмкiн.
Клт свздер: QSAR, модельдеу, биологиялыц белсендшж, уыттылыц, скрининг, де-скрипторлар.
OPTIMIZATION OF PHARMACOLOGICAL PROPERTIES AND TOXICITY OF NEW
PIPERIDINE DERIVATIVES
1 A.K. Boshkayeva, 1 R.A. Omarova, *1 N. Dyussenova, 2 G.S. Akhmetova
1 NCJSC «National medical university named after S.D. Asfendiyarova», Almaty 2 JSC «Institute of Chemical Sciences named after A.B. Bekturo», Almaty
SUMMARY
Qualitative prediction of properties (a specific chemical compound has a certain type of biological activity) is based on the solution of the classification problem by the QSAR method. QSAR refers to the methods of mathematical statistics and is used in the construction of models by means of which are predictions of the pharmacological properties of compounds based on the description of their chemical structures.The forecast can provide direction for the selection of certain types of biological activity for the purpose of testing them, as well as determine which substances will possess the required types of activity with the greatest probability.
QSAR methods allow to assess pharmacological activity and toxicity (virtual screening), which can significantly save the cost of time and resources in developing new pharmaceutical drugs. The calculations of the pharmacological and toxic properties of the simulated drugs, as well as the calculations of their spatial and electronic structure can be used for the synthesis of new drug compounds based on piperidine.
Key words: QSAR, modeling, biological activity, toxicity, screening, descriptors.
