QSAR моделирование блокады NMDA рецептора полифармакофорными соединениями на основе производных карбазола и 1-аминоадамантана

##plugins.themes.bootstrap3.article.sidebar##

pdf html html (English)
Опубликован: Oct 2, 2018
DOI: https://doi.org/10.18097/BMCRM00064
Ключевые слова:
QSAR NMDA рецептор полифармакофорные соединения

##plugins.themes.bootstrap3.article.main##

В.Ю. Григорьев
Институт физиологически активных веществ Российской академии наук, 142432, Черноголовка Московской обл., Северный проезд, 1
О.А. Раевский
Институт физиологически активных веществ Российской академии наук, 142432, Черноголовка Московской обл., Северный проезд, 1

Аннотация

В работе исследован ряд из 14 соединений, вызывающих блокаду NMDA рецептора. Эти полифармакофорные соединения представляют собой конъюгаты производных карбазола, тетрагидрокарбазола и 1-аминоадамантана. В качестве меры биологической активности использовали величину IC50 (мкМ) – концентрацию, при которой наблюдается 50% торможение исследуемым соединением связывания [H3]MK-801 с NMDA рецептором. В результате проведения QSAR моделирования на основе Гауссовского процесса получена регрессионная модель с удовлетворительными статистическими характеристиками.

##plugins.themes.bootstrap3.article.details##

Как цитировать
Григорьев V., & Раевский O. (2018). QSAR моделирование блокады NMDA рецептора полифармакофорными соединениями на основе производных карбазола и 1-аминоадамантана. Biomedical Chemistry: Research and Methods, 1(3), e00064. https://doi.org/10.18097/BMCRM00064
Выпуск
Том 1 № 3 (2018)
Раздел
ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ

Библиографические ссылки

  1. Pangalos, M.N., Schechter, L.E., & Hurko O. (2007) Drug development for CNS disorders: strategies for balancing risk and reducing attrition. Nat. Rev. Drug. Discov., 6(7), 521-532. DOI
  2. Silva, T., Reis, J., Teixeira, J., & Borges F. (2014) Alzheimer’s disease, enzyme targets and drug discovery struggles: from natural products to drug prototypes. Ageing Res. Rev., 15, 116-145. DOI
  3. Gitto, R., Luca, L.D., Ferro, S.C., Sarro, G.D., Costa, L., Ciranna, L., & Chimirri, A. (2009) Development of 3-substituted-1H-indole derivatives as NR2B/NMDA receptor antagonists. Bioorg. Med. Chem., 17, 1640-1647. DOI
  4. Fang, J., Li, Y., Liu, R., Pang, X., Li, C., Yang, R., He, Y., Lian, W., Liu, A., & Du, G. (2015) Discovery of multi-target-directed ligands against Alzheimer’s disease through systematic prediction of chemical-protein interactions. J. Chem. Inf. Model., 55(1), 149-164. DOI
  5. Raevsky, O.A., Trepalin, S.V., Grigorev, V.Yu., Yarkov, A.V., Bachurin, S.O. (2017) Certificate of state registration of the database "Multitarget organic compounds with potential effects on the central nervous system" ¹ 2017620020.
  6. HYBOT. Retrieved August 24, 2018, from http://molpro.ipac.ac.ru/hybot.html
  7. DRAGON. Retrieved August 24, 2018, from http://www.talete.mi.it/products/dragon_projects.htm
  8. Forsythe, G.E., Malcolm, M.A., Moler, C.B. (1977) Computer Methods for Mathematical Computations, Englewood Cliffs, NJ, Prentice-Hall, 227-235.
  9. RF. Retrieved August 24, 2018, from http://www.stat.berkeley.edu/~breiman/RandomForests/cc_examples/prog.f
  10. Obrezanova, O., Cs?nyi, G., Gola, J.M.R., & Segall, M.D. (2007) Gaussian processes: a method for automatic QSAR modeling of ADME properties. J. Chem. Inf. Model., 47, 1847-1857. DOI
  11. Mitra, I., Saha, A., & Roy K. (2010) Exploring quantitative structure–activity relationship studies of antioxidant phenolic compounds obtained from traditional Chinese medicinal plants. Mol. Simul., 36(13), 1067-1079. DOI
  12. Tropsha, A., Gramatica, P., & Gombar, V.K. (2003) The importance of being earnest: validation is the absolute essential for successful application and interpretation of QSPR models. QSAR Comb. Sci., 21(1), 69–77. DOI