Modelado QSAR de derivados peptidomiméticos hacia inhibidores de 3CL de HKU4-CoV contra MERS-CoV
Autores: Hammoudan, Imad; Matchi, Soumaya; Bakhouch, Mohamed; Belaidi, Salah; Chtita, Samir
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Modelado QSAR de derivados peptidomiméticos hacia inhibidores de 3CL de HKU4-CoV contra MERS-CoV
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Química
Palabras clave
Relación
Actividades anti-MERS-CoV
Péptidos
Compuestos peptidomiméticos
Métodos QSAR
Descriptores
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 13
Citaciones: Sin citaciones
En este artículo, informamos sobre la relación entre las actividades anti-MERS-CoV de los péptidos derivados de HKU4 para algunos compuestos peptidomiméticos y varios descriptores utilizando los métodos de relaciones cuantitativas entre estructura y actividad (QSAR). Los descriptores utilizados se calcularon utilizando los software ChemSketch, Marvin Sketch y ChemOffice. Se emplearon el análisis de componentes principales (PCA) y los métodos de regresión lineal múltiple (MLR) para proponer un modelo con capacidad predictiva confiable. El conjunto de datos original de 41 derivados peptidomiméticos se dividió aleatoriamente en conjuntos de entrenamiento y prueba de 34 y 7 compuestos, respectivamente. La capacidad predictiva del mejor modelo MLR se evaluó mediante el coeficiente de determinación R = 0.691, el parámetro de validación cruzada Q = 0.528 y el parámetro de validación externa R = 0.794.
Descripción
En este artículo, informamos sobre la relación entre las actividades anti-MERS-CoV de los péptidos derivados de HKU4 para algunos compuestos peptidomiméticos y varios descriptores utilizando los métodos de relaciones cuantitativas entre estructura y actividad (QSAR). Los descriptores utilizados se calcularon utilizando los software ChemSketch, Marvin Sketch y ChemOffice. Se emplearon el análisis de componentes principales (PCA) y los métodos de regresión lineal múltiple (MLR) para proponer un modelo con capacidad predictiva confiable. El conjunto de datos original de 41 derivados peptidomiméticos se dividió aleatoriamente en conjuntos de entrenamiento y prueba de 34 y 7 compuestos, respectivamente. La capacidad predictiva del mejor modelo MLR se evaluó mediante el coeficiente de determinación R = 0.691, el parámetro de validación cruzada Q = 0.528 y el parámetro de validación externa R = 0.794.