مدل‌سازی QSAR و خواص

روابط کمی ساختار-فعالیت و ساختار-خواص، مدل‌های آماری را ایجاد می‌کنند که فعالیت یا خاصیت یک مولکول را از توصیف‌گرهای عددی ساختار آن پیش‌بینی می‌کنند.

Definition

مدل‌های تجربی و داده‌محور که ساختار مولکولی را، که به صورت توصیف‌گرها کدگذاری شده است، به یک خاصیت اندازه‌گیری شده یا فعالیت بیولوژیکی برای اهداف پیش‌بینی مرتبط می‌کنند.

Scope

این حوزه شامل ساخت مدل‌های QSAR و QSPR، توصیف‌گرها و الگوریتم‌های یادگیری مورد استفاده در آن‌ها، اهمیت محوری اعتبارسنجی و دامنه کاربرد، و کاربردها در فعالیت بیولوژیکی و خواص فیزیکوشیمیایی و ADMET می‌شود. همچنین مدل‌های کلاسیک قابل تفسیر را از مدل‌های مدرن مبتنی بر یادگیری ماشین متمایز می‌کند.

Core questions

• فعالیت بیولوژیکی یا یک خاصیت چگونه با توصیف‌گرهای مولکولی همبستگی دارد؟
• مدل‌های QSAR چگونه اعتبارسنجی می‌شوند تا از قابلیت پیش‌بینی واقعی اطمینان حاصل شود؟
• دامنه کاربرد چیست و چرا اهمیت دارد؟
• مدل‌های QSAR کلاسیک و مدل‌های مدرن یادگیری ماشین چه تفاوتی با هم دارند؟

Key theories

تحلیل هانش

فعالیت بیولوژیکی را با توصیف‌گرهای فیزیکوشیمیایی مانند لیپوفیلی و پارامترهای الکترونیکی و فضایی همبسته می‌کند و رابطه کمی ساختار-فعالیت را پایه‌گذاری می‌کند.

اعتبارسنجی و دامنه کاربرد

QSAR قابل اعتماد نیازمند اعتبارسنجی خارجی دقیق و دامنه کاربرد تعریف شده است، زیرا مدل‌ها به ساختارهایی که شبیه داده‌های آموزشی آن‌ها نیستند، به خوبی تعمیم نمی‌یابند.

Clinical relevance

مدل‌های QSAR و خواص، بهینه‌سازی ترکیبات پیشرو را هدایت می‌کنند، ترکیبات را برای سنتز و آزمایش اولویت‌بندی می‌کنند، و جذب، توزیع، متابولیسم، دفع و سمیت را پیش‌بینی می‌کنند، و همچنین ارزیابی نظارتی ایمنی شیمیایی را اطلاع‌رسانی می‌کنند.

History

QSAR که در سال 1964 توسط هانش و فوجیتا با تحلیل همبستگی فعالیت با پارامترهای فیزیکوشیمیایی پایه‌گذاری شد، از طریق انواع سه‌بعدی و یادگیری ماشین رشد کرد، و سازمان همکاری و توسعه اقتصادی (OECD) بعداً اصول اعتبارسنجی را برای استفاده نظارتی کدگذاری کرد.

Debates

دقت اعتبارسنجی و بیش‌برازش (overfitting)

آمارهای برازش داخلی بالا می‌توانند قابلیت پیش‌بینی واقعی ضعیف را پنهان کنند، بنابراین تأکید و بحث مداومی بر اعتبارسنجی خارجی و تعریف صحیح دامنه کاربرد وجود دارد.

Key figures

• Corwin Hansch
• Toshio Fujita
• Alexander Tropsha
• Johann Gasteiger

Seminal works

• hansch1964
• tropsha2010

Frequently asked questions

دامنه کاربرد یک مدل QSAR چیست؟

این منطقه از فضای شیمیایی است که توسط داده‌های آموزشی تعریف می‌شود و در آن پیش‌بینی‌های مدل قابل اعتماد تلقی می‌شوند؛ پیش‌بینی‌ها برای مولکول‌های بسیار متفاوت باید با احتیاط مورد بررسی قرار گیرند.

یک مدل QSAR چگونه به درستی اعتبارسنجی می‌شود؟

علاوه بر اعتبارسنجی متقابل داخلی، باید روی مجموعه‌ای خارجی از ترکیبات که در آموزش استفاده نشده‌اند، آزمایش شود، زیرا آمارهای داخلی خوب به تنهایی عملکرد پیش‌بینی‌کننده را تضمین نمی‌کنند.