Аңдатпа
Аннотация.Для снижения экономических издержек при разработке лекарственных препаратов, выявления механизмов их действия всt активнее используются методы in silico -компьютерного моделирования и прогнозирования биологической активности химических соединений.Цель исследования заключается в определении возможности компьютерного прогнозирования фунгицидной активности большого массива органических соединений разных классов на основе методологии QSAR с использованием дескрипторов программы Dragon 7. Методы.Методологической основой исследования послужила совокупность методов хемоинформатики и молекулярного моделирования, компьютерной химии, факторного анализа.Были использованы 1568 дескрипторов, определtнных с использованием программного обеспечения Dragon 7 с коэффициентом взаимной корреляции не более 0,99.Корреляции между дескрипторами (описателями) молекулярной структуры и параметрами фунгицидной активности установлены в ходе построения моделей QSAR.В качестве показателя фунгицидной активности использована минимальная концентрация препарата, ингибирующая видимый рост патогена, в логарифмической форме pMIC = -lgMIC.Прогностические возможности моделей и качество прогнозирования фунгицидной активности охарактеризованы коэффициентом R 2 между вычисленными и экспериментальными значениями параметра pMIC и среднеквадратичной ошибкой RMSE.Для более точной оценки предсказательной силы модели была проведена перекрестная проверка на достоверность с помощью процедуры скользящего контроля (LOOleave-one-out) и расчета коэффициента корреляции Q 2 .Научная новизна.Впервые выполнено масштабное прогнозирование противогрибковой активности большого структурно гетерогенного набора из 1113 органических соединений в отношении патогенного грибка Trichophyton mentagrophytes.Результаты.Получена серия моделей фунгицидной активности с высокой долей контрольных выборок 46-49,99 % от размера всего набора.Выборки имеют близкие статистические характеристики, R 2 в диапазоне от 0,896 до 0,909, RMSE от 0,23 и до 0,27.Прогнозирование в режиме скользящего контроля показало также высокие статистические характеристики (R 2 = 0,857, RMSE = 0,28), что создает возможность его использования для скрининга и перепрофилирования лекарственных препаратов.