Создание QSAR моделей для поиска ингибиторов трипсина

Abstract

В исследовании представлены новые QSAR модели для поиска ингибиторов трипсина. Для построения моделей использовали ассоциативные нейронные сети. Оценку качества моделей проводили методами внутренней и внешней проверки. На основании анализа трех выборок веществ (с известными значениями IC50 и Ki) был получен ряд регрессионных моделей с точностью прогноза q² > 0,7 и классификационные модели с прогнозирующей способностью 69–80%.

У дослiдженнi представлено новi QSAR моделi для пошуку iнгiбiторiв трипсину. Для побудови моделей використовували асоцiативнi нейроннi сiтки. Оцiнку якостi моделей здiйснювали методами внутрiшньої i зовнiшньої перевiрки. На пiдставi аналiзу трьох вибiрок речовин (з вiдомими значеннями IC50 й Ki), був отриманий ряд регресiйних моделей з точнiстю прогнозу q² > 0,7 та класифiкацiйнi моделi з прогнозуючою здатнiстю 69–80%.

New QSAR models to search for inhibitors of trypsin are presented. The models are built with the use of associative neural networks. The quality of models has been evaluated using both internal and external validation methods. Based on the analysis of three samples of substances with the known values of IC50 and Ki, a number of regression models with a prediction accuracy of q² > 0.7 and the classification models with a predictive ability of 69–80% are obtained.