2D Chemical Drawings Correlate to Bioactivities: MIA-QSAR Modelling of Antimalarial Activities of 2,5-Diaminobenzophenone Derivatives

Abstract

Estruturas químicas bidimensionais de uma série de derivados da 2,5-diaminobenzofenona, alguns inibidores de farnesiltransferase, correlacionam-se com as respectivas atividades antimaláricas. Os descritores nessa análise QSAR são pixels das estruturas químicas (imagens bidimensionais) transformados em binários e, portanto, a variação dos dados que explica a variância no bloco das bioatividades corresponde às coordenadas de cada pixel do desenho das moléculas. Este método, chamado análise multivariada de imagens aplicada ao estudo da relação quantitativa entre estrutura e atividade (MIA-QSAR), foi aplicado para modelar as atividades antimaláricas dos compostos acima e os resultados foram comparados com técnicas de QSAR 3D bastante conhecidas. Além da simplicidade e alto poder de predição do modelo MIA-QSAR, este método baseado em imagens 2D tem potencial para funcionar bem quando análises clássicas igualmente simples falham. Enfim, a presente análise QSAR baseada em desenhos de estruturas químicas bidimensionais dispensa uma varredura conformacional e alinhamento tridimensional das moléculas para fornecer um modelo QSAR robusto; a descrição físico-química de efeitos estéricos e centros estereogênicos, por exemplo, está toda incorporada na maneira com que substituintes são representados, e o método serve como uma ferramenta para aqueles que interessem em trabalhar com modelagem de fármacos. Two-dimensional chemical structures of a series of 2,5-diaminobenzophenone derivatives, some farnesyltransferase inhibitors, have shown to correlate with the corresponding antimalarial activities. The descriptors in this QSAR analysis are pixels of the chemical structures (two dimensional images) transformed into binaries and, therefore, the data variance explaining the variance in the activities block corresponds to the coordinates of each pixel in each molecule. This method, named multivariate image analysis applied to quantitative structure-activity relationship (MIA-QSAR), was applied to model the antimalarial activities of the titled compounds and the results were compared to well known three-dimensional QSAR techniques for the same class of compounds. In addition to the simplicity and high predictive performance of the MIA-QSAR modelling, this 2D image-based method has the potential of working well when equally simple, classical analysis fails. Overall, the present QSAR analysis based on 2D chemical drawings (constrained structures) dispensed conformational screening and 3D alignment to provide a reliable QSAR model; the physicochemical description about e.g. steric effects and chiral centers is all contained in the way in which substituents in a congeneric series are drawn, and the method can serve as a tool to introduce those who are planning to deal with drug design.

Is conformation a fundamental descriptor in QSAR? A case for halogenated anesthetics

“…MIA-QSAR and 3D-QSAR have already been compared to each other in a variety of studies and the prediction results are similar [10,24–26], but the confidence in the interpretation provided by conformation-dependent methods is questionable as the minimum conformation may not necessarily represent the bioactive conformation. Both MIA-QSAR and 3D-QSAR methods are based on alignment rules and, therefore, they should be applied to congeneric series.…”

aug-MIA-QSPR study of guanidine derivative sweeteners

“…In line with this, a quantitative structure-activity relationship (QSAR) method based on multivariate image analysis (MIA), named MIA-QSAR, has shown to be accurate in estimating bioactivities of a variety of drug-like compounds [15][16][17][18][19][20][21][22]; also, it has been successfully used to model other physical properties, such as NMR chemical shifts [23], electrophoretic profiles [24] and boiling points [25]. This method is based on the relationship of images (pixels, numerically described as binaries), which are chemical structures built using software for chemical drawing, with the respective dependent variables (physical, chemical or biological properties).…”

Desenhos de estruturas químicas correlacionam-se com propriedades biológicas: MIA-QSAR

“…Uma aproximação igualmente preditiva, porém muito mais rápi-da, barata e simples de operar, foi desenvolvida em 2005 e nomeada MIA-QSAR (Multivariate Image Analysis applied to QSAR). 10 Os descritores MIA têm sido aplicados com sucesso não só para correlacionar estruturas químicas com atividades biológicas, [11][12][13][14][15][16] mas também com propriedades físicas, como temperaturas de ebulição, 17 deslocamentos químicos 18 e perfis eletroforéticos. 19 O método se baseia em utilizar pixels de imagens como descritores; como os pixels podem ser tratados numericamente como binários, a cor branca equivale ao dígito 765 e pixels pretos ao dígito 0, de acordo com o sistema de cores RGB.…”