再帰的計算実験的構造活性関係研究からのN-メチル-D-アスパラギン酸受容体複合体でのアリリデナミノグアニジン化合物の阻害活性を改善する

部分最小二乗（PLS）とバックプロパゲーション人工ニューラルネットワーク（ANN）パターン認識方法の両方の組み合わせを使用して、N-メチルの阻害変調因子としての一連のアリデナミノグアニジン類似体の活性を予測するためにいくつかのモデルが開発されました。D-アスパラギン酸受容体複合体。これは、計算ソフトウェアから得られた構造化学的および物理化学的記述子を実験的に観察した[（3）H] MK-801合成およびin vitroスクリーニングアリリデナミノグアニジンの小さなライブラリーの変位能力と相関させることによって行われました。生成されたPLSモデルの結果は、R（2）= 0.814、RMSD = 0.208、RCV（2）= 0.714、LoormSD = 0.261でした。ANNモデルは、比較のためにPLSモデルの11の記述子を利用して作成されました。ANNモデルの品質（R（2）= 0.828、RMSD = 0.200、RCV（2）= 0.721、loormSD = 0.257）はPLSモデルと類似しており、入力と出力の間の特徴が主に線形であることを示しています。。これらの計算モデルは、シリコのこの一連の化合物によるNMDA受容体複合体の阻害を予測することができ、アリリデネアミノグアニジン類似体の予測構造ベースの「プレスクリーニング」パラダイムを提供しました。

Using a combination of both the partial least squares (PLS) and back-propagation artificial neural network (ANN) pattern recognition methods, several models have been developed to predict the activity of a series of arylidenaminoguanidine analogs as inhibitory modulators of the N-methyl-D-aspartate receptor complex. This was done by correlating structural and physicochemical descriptors obtained from computation software with the experimentally observed [(3)H]MK-801 displacement ability of a small library of synthesized and in vitro screened arylidenaminoguanidines. Results for the generated PLS model were r(2)=0.814, rmsd=0.208, rCV(2)=0.714, loormsd=0.261. The ANN model was created utilizing the eleven descriptors from the PLS model for comparison. The quality of the ANN model (r(2)=0.828, rmsd=0.200, rCV(2)=0.721, loormsd=0.257) is similar to the PLS model, and indicates that the feature between the inputs and the output is majorly linear. These computational models were able to predict inhibition of the NMDA receptor complex by this series of compounds in silico, affording a predictive structure-based 'pre-screening' paradigm for the arylideneaminoguanidine analogs.