QSAR: a abordagem de Hansch

Tavares, Leoberto Costa

doi:10.1590/s0100-40422004000400018

Cited by 59 publications

(96 citation statements)

References 27 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Due to the relatively small size of the training set (n = 21), the statistical restriction which imposes a limit from four up to five observations (compounds) per descriptor or independent variable (Ferreira, 2002;Tavares, 2004) were respected in this approach and a maximum of four molecular descriptors per model was considered.…”

Section: Methodsmentioning

confidence: 99%

A 2D-QSPR approach to predict blood-brain barrier penetration of drugs acting on the central nervous system

Sá

Pasqualoto

Rangel-Yagui

2010

Braz. J. Pharm. Sci.

View full text Add to dashboard Cite

Drugs acting on the central nervous system (CNS) have to cross the blood-brain barrier (BBB) in order to perform their pharmacological actions. Passive BBB diffusion can be partially expressed by the blood/ brain partition coefficient (logBB). As the experimental evaluation of logBB is time and cost consuming, theoretical methods such as quantitative structure-property relationships (QSPR) can be useful to predict logBB values. In this study, a 2D-QSPR approach was applied to a set of 28 drugs acting on the CNS, using the logBB property as biological data. The best QSPR model [n = 21, r = 0.94 (r² = 0.88), s = 0.28, and Q² = 0.82] presented three molecular descriptors: calculated n-octanol/water partition coefficient (ClogP), polar surface area (PSA), and polarizability (α). Six out of the seven compounds from the test set were well predicted, which corresponds to good external predictability (85.7%). These findings can be helpful to guide future approaches regarding those molecular descriptors which must be considered for estimating the logBB property, and also for predicting the BBB crossing ability for molecules structurally related to the investigated set.Uniterms: Two-dimensional quantitative structure-property relationships (2D-QSPR). Calculated n-octanol/water partition coefficient (ClogP). Blood-brain barrier. Benzodiazepines.Fármacos que atuam no sistema nervoso central (SNC) devem atravessar a barreira hematoencefálica (BHE) para exercerem suas ações farmacológicas. A difusão passiva através da BHE pode ser parcialmente expressa pelo coeficiente de partição entre os compartimentos encefálico e sanguíneo (logBB, brain/blood partition coefficient). Considerando-se que a avaliação experimental de logBB é dispendiosa e demorada, métodos teóricos como estudos das relações entre estrutura química e propriedade (QSPR, Quantitative Structure-Property Relationships) podem ser utilizados na previsão dos valores de logBB. Neste estudo, uma abordagem de QSPR-2D foi aplicada a um conjunto de 28 moléculas com ação central, usando logBB como propriedade biológica. O melhor modelo de QSPR [n = 21, r = 0,94 (r² = 0,88), s = 0,28 e Q² = 0,82] apresentou três descritores moleculares: o coeficiente calculado de partição n-octanol/água (ClogP), área de superfície polar (PSA) e polarizabilidade (α). Seis dos sete compostos do conjunto de avaliação foram bem previstos pelo modelo, o que corresponde a um bom poder de previsão externa (85,7%). Os resultados obtidos podem auxiliar de forma relevante em estudos futuros, orientando quais descritores moleculares devem ser considerados para estimar logBB e prever a passagem através da BHE de moléculas estruturalmente relacionadas às do conjunto investigado. Unitermos:Relações quantitativas bidimensionais entre estrutura química e propriedade (2D-QSPR). Coeficiente calculado de partição n-octanol/água (ClogP). Barreira hematoencefálica. Benzodiazepínicos.

show abstract

Section: Methodsmentioning

confidence: 99%

A 2D-QSPR approach to predict blood-brain barrier penetration of drugs acting on the central nervous system

Sá

Pasqualoto

Rangel-Yagui

2010

Braz. J. Pharm. Sci.

View full text Add to dashboard Cite

show abstract

“…Nas últimas duas décadas, foram publicados artigos de revisão sobre QSAR/QSPR, 14,15 artigos abordando metodologias de QSAR/ QSPR, [16][17][18][19][20] e de suas aplicações, [21][22][23][24] além de revisões sobre modelagem molecular [25][26][27][28] em língua portuguesa. Contudo, não existe até o presente momento nenhum artigo científico que apresente a quimioinformática ao público acadêmico e científico em português.…”

Section: E Posteriormente Journal Of Chemical Information and Computerunclassified

Quimioinformática: Uma Introdução

Alves¹,

Braga²,

Muratov³

et al. 2017

Quim. Nova

View full text Add to dashboard Cite

publicado na web em 08/11/2017 CHEMINFORMATICS: AN INTRODUCTION. Cheminformatics is an interdisciplinary field between chemistry and informatics, which has evolved considerably since its inception in the 1960s. Initially, the cheminformatics community dealt primarily with practical and technical aspects of chemical structure representation, manipulation, and processing, while modern research explores a new role: the exploration and interpretation of large chemical databases and the discovery of new compounds with desired activity and safety profiles. Despite the recent release of several hallmark reviews addressing methods and application of cheminformatics written in Portuguese, so far there are no scientific articles presenting cheminformatics research to the Brazilian scientific community yet. To address this gap, we aim to introduce the field of cheminformatics to both students and researchers in a simple and didactic way by narrating important historical facts and contextualizing information within the scope of various applications.Keywords: cheminformatics; QSAR; chemical similarity; structure representation, property prediction; virtual screening. INTRODUÇÃOA quimioinformática é uma ciência interdisciplinar que utiliza recursos das ciências da computação e informação para resolver problemas da química.1 O termo quimioinformática foi cunhado por Frank Brown em 1998, definindo-a como "mistura de recursos de informação para transformar dados em informação e informação em conhecimento, no intuito de tomar decisões melhores e mais rápidas na área de identificação e otimização de compostos líderes".2 Em uma definição mais abrangente, em 1999, Greg Paris, então pesquisador da companhia farmacêutica Novartis, definiu a quimioinformática como "um termo genérico que engloba a concepção, criação, organização, gestão, recuperação, análise, disseminação, visualização e utilização de informação química". Sciences (1975Sciences ( -2005, chegando no nome atual em 2005 (http://pubs.acs.org/toc/jcisd8/current). Nesse intervalo, várias áreas que hoje compõem a quimioinformática foram se consolidando como (i) representação, visualização, manipulação e processamento de estruturas químicas, (ii) organização de bases de dados de estruturas químicas e (iii) estudos das relações quantitativas entre estrutura e atividade/propriedade (QSAR/QSPR, do inglês, quantitative structure-activity/property relationships). 5O campo da quimioinformática evoluiu bastante, passando de aspectos práticos e técnicas de representação, manipulação e processamento de estruturas químicas individuais até o seu papel primordial na atualidade: exploração de bases de dados químicas e descoberta de novos compostos com atividade e/ou propriedade desejadas. Ao se explorar bases de dados é possível extrair várias informações que auxiliam na compreensão do comportamento de determinado grupo de compostos e é possível gerar modelos computacionais que são utilizados para predizer a atividade de moléculas que carecem de dados experimentais, ou seja, dados de ensai...

show abstract

“…De maneira a explicar a atividade biológica desses compostos, seguimos as cinco regras estabelecidas por Unger e Hansch para estudos de QSAR [9,10,11], que são enunciadas a seguir: (1) seleção de variáveis independentes: deve-se testar grande número de variáveis e as selecionadas na melhor equação devem ser essencialmente independentes; (2) validação estatística das variáveis selecionadas: cada variável incluída na melhor equação precisa ser validada por testes estatísticos apropriados, tais como o teste F; (3) princípio da parcimônia (Navalha de Occam): quando houver dúvida na escolha de um entre muitos modelos (aproximadamente) equivalentes, deve-se escolher o mais simples; (4) número de variáveis em cada modelo de regressão: para minimizar a ocorrência de correlação por coincidência, deve haver, no mínimo, cerca de cinco ou seis compostos para cada variável incluída no modelo; (5) modelo qualitativo para o mecanismo de ação dos compostos: é essencial que o modelo quantitativo de relação entre estrutura e atividade seja consistente com o mecanismo de ação, em nível molecular, dos compostos testados. Apesar da idéia de que essas regras fossem utilizadas para estabelecer uma metodologia na elaboração de modelos clássicos de QSAR, o que não é nosso caso, a utilização delas neste trabalho tem como finalidade melhorar a consistência do modelo matemático proposto, validando nossos resultados.…”

Section: Metodologiaunclassified

Correlação da eficiência analgésica com a estrutura eletrônica de compostos Imidazólicos

Nicoleti¹,

Lavarda²

2006

Physicae

View full text Add to dashboard Cite

ResumoOs derivados imidazólicos, amplamente empregados pela indústria farmacêutica, são substâncias sintéticas dotadas de vasto espectro de atividade analgésica. Neste trabalho investigamos descritores puramente eletrônicos para modelar a atividade analgésica de um subgrupo destas moléculas, obtidos utilizando cálculos semi-empíricos de orbitais moleculares. Para este subgrupo, os resultados indicam que o momento de dipolo elétrico pode ser utilizado como descritor para distinguir substâncias ativas das não ativas. AbstractThe imidazolic compounds, extensively employed by the pharmaceutical industry, are synthetic substances with a wide variety of analgesic activity. In this work we investigate purely electronic descriptors in order to model the analgesic activity of a subgroup of these molecules, obtained through semi empirical molecular orbital calculations. To this set of molecules, the results show that the electric dipole moment can be used as a descriptor to distinguish between active and non-active substances. IntroduçãoAnalgésicos são medicamentos que possuem efeito sedativo, ou seja, modificam a percepção da dor no organismo. Geralmente levam à sedação, mas não à perda da consciência, atenuando ou suprimindo a dor, sem alterar a percepção de outras sensações. Esses medicamentos possuem uma grande quantidade de princípios ativos diferentes, pois os tipos específicos de dor e suas causas respondem melhores a um determinado tipo de analgésico do que a outro. Entre as classes terapêuticas mais consumidas, os analgésicos ocupam um lugar de destaque no mercado mundial. São muito utilizados no combate às cefaléias e enxaquecas. Estes são problemas que só no Brasil atingem cerca de 34 milhões de pessoas, com maior incidência nas idades de 35 a 45 anos. Quando consumidos em excesso, podem causar graves danos à saúde. Podemos então estimar a dimensão do impacto sócio-econômico negativo que a má utilização e os medicamentos de baixa eficácia podem gerar. Isto torna evidente a necessidade da obtenção de analgésicos eficazes [1].Dentre os fármacos com propriedades analgésicas, a família de compostos imidazólicos vem sendo largamente utilizada pela indústria, devido à sua fácil absorção pelo organismo e pelo grande potencial analgésico de alguns de seus derivados. Estas características implicam no uso de menores doses do fármaco para obtenção da resposta biológica durante o tratamento e conseqüentemente diminuem os riscos para os pacientes. Em trabalhos recentes, foram relatadas evidências que esses compostos, quando administrados com outras drogas, atenuam o desenvolvimento de tolerância e dependência aos efeitos analgésicos de substâncias como a morfina, caracterizando a relevância da continuidade das pesquisas com esses compostos [2].A ação terapêutica de um determinado composto é resultante da sua interação com os sistemas biológicos, sendo portanto altamente dependente de sua estrutura química e conseqüentemente da distribuição eletrônica e de cargas. Esses fatos tornam evidente que dois fármacos podem possuir e...

show abstract

QSAR: a abordagem de Hansch

Cited by 59 publications

References 27 publications

A 2D-QSPR approach to predict blood-brain barrier penetration of drugs acting on the central nervous system

A 2D-QSPR approach to predict blood-brain barrier penetration of drugs acting on the central nervous system

Quimioinformática: Uma Introdução

Correlação da eficiência analgésica com a estrutura eletrônica de compostos Imidazólicos

Contact Info

Product

Resources

About