Найдено научных статей и публикаций: 2, для научной тематики: (Q)SAR
1.
Lagunin A.A., Gloriozova T.A., Dmitriev A.V., Volgina N.E., Poroikov V.V.
- Bulletin of Experimental Biology and Medicine , 2013
The (Q)SAR models for evaluating the structure–property relationships, fi t for prediction of
drug interactions with P-glycoprotein as inhibitors or substrates, were constructed using PASS and GUSAR software. The models were constructed and validated on the basis of information on the structure and ...
The (Q)SAR models for evaluating the structure–property relationships, fi t for prediction of
drug interactions with P-glycoprotein as inhibitors or substrates, were constructed using PASS and GUSAR software. The models were constructed and validated on the basis of information on the structure and characteristics of 256 and 94 compounds used as P-glycoprotein substrates and inhibitors, respectively. The initial samples were divided 80:20 into training and test samples. The best prediction accuracy for the test samples was 78% for P-glycoprotein
substrate prediction (PASS) and 89% for inhibitor prediction (GUSAR).
Bulletin of Experimental Biology and Medicine, 2013, 154 (4), 521-524.
2.
Лагунин А.А., Глориозова Т.А., Дмитриев А.В., Волгина Н.Е., Поройков В.В.
- Бюллетень экспериментальной биологии и медицины , 2012
Р-гликопротеин (Pgp) является одним из основных АВС-транспортеров гематоэнцефалического барьера, осуществляющих выведение из мозга в кровоток различных органических соединений, включая лекарства. Поэтому при создании новых лекарственных препаратов, необходимо учитывать их взаимодействие с Pgp в каче...
Р-гликопротеин (Pgp) является одним из основных АВС-транспортеров гематоэнцефалического барьера, осуществляющих выведение из мозга в кровоток различных органических соединений, включая лекарства. Поэтому при создании новых лекарственных препаратов, необходимо учитывать их взаимодействие с Pgp в качестве субстратов или ингибиторов. C использованием компьютерных программ PASS и GUSAR мы построили (Q)SAR модели для оценки взаимосвязей «структура–свойство». При построении и валидации моделей была использована информация о структуре и свойствах 256 и 94 соединений, исследованных в качестве субстратов и ингибиторов Р-гликопротеина. Исходные выборки были разделены на обучающую и тестовую в пропорции 80:20. Лучшая точность предсказания, полученная для тестовых выборок, составила 78% при прогнозе субстратов (PASS) и 89% при прогнозе ингибиторов (GUSAR) Pgp.
Бюллетень экспериментальной биологии и медицины, 2012, 154 (10), 520-524.