QSAR và Mô hình hóa thuộc tính

Các mối quan hệ định lượng cấu trúc-hoạt tính và cấu trúc-thuộc tính xây dựng các mô hình thống kê dự đoán hoạt tính hoặc thuộc tính của một phân tử từ các mô tả số về cấu trúc của nó.

Definition

Các mô hình thực nghiệm, dựa trên dữ liệu, liên hệ cấu trúc phân tử, được mã hóa dưới dạng các mô tả, với một thuộc tính hoặc hoạt tính sinh học được đo lường cho mục đích dự đoán.

Scope

Bao gồm việc xây dựng các mô hình QSAR và QSPR, các mô tả và thuật toán học máy mà chúng sử dụng, tầm quan trọng cốt lõi của việc xác nhận và miền áp dụng, cũng như các ứng dụng cho hoạt tính sinh học và các thuộc tính hóa lý và ADMET. Phân biệt các mô hình cổ điển có thể diễn giải được với các mô hình học máy hiện đại.

Core questions

• Hoạt tính sinh học hoặc một thuộc tính tương quan với các mô tả phân tử như thế nào?
• Các mô hình QSAR được xác nhận như thế nào để đảm bảo khả năng dự đoán thực sự?
• Miền áp dụng là gì và tại sao nó lại quan trọng?
• Các mô hình QSAR cổ điển và mô hình học máy hiện đại khác nhau như thế nào?

Key theories

Phân tích Hansch

Tương quan hoạt tính sinh học với các mô tả hóa lý như tính ưa béo và các thông số điện tử và không gian, đặt nền móng cho mối quan hệ định lượng cấu trúc-hoạt tính.

Xác nhận và miền áp dụng

QSAR đáng tin cậy đòi hỏi sự xác nhận bên ngoài nghiêm ngặt và một miền áp dụng được xác định, vì các mô hình ngoại suy kém đối với các cấu trúc không giống với dữ liệu huấn luyện của chúng.

Clinical relevance

Các mô hình QSAR và thuộc tính hướng dẫn tối ưu hóa hợp chất đầu, ưu tiên các hợp chất để tổng hợp và thử nghiệm, và dự đoán sự hấp thu, phân bố, chuyển hóa, bài tiết và độc tính, đồng thời chúng cung cấp thông tin cho việc đánh giá quy định về an toàn hóa chất.

History

Được thành lập bởi phân tích của Hansch và Fujita năm 1964 tương quan hoạt tính với các thông số hóa lý, QSAR đã phát triển thông qua các biến thể ba chiều và học máy, với OECD sau đó đã hệ thống hóa các nguyên tắc xác nhận để sử dụng trong quy định.

Debates

Sự nghiêm ngặt của xác nhận và hiện tượng quá khớp (overfitting)

Các thống kê khớp nội bộ cao có thể che giấu khả năng dự đoán thực tế kém, do đó có sự nhấn mạnh liên tục và tranh luận về việc xác nhận bên ngoài và định nghĩa miền áp dụng phù hợp.

Key figures

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

Seminal works

• hansch1964
• tropsha2010

Frequently asked questions

Miền áp dụng của mô hình QSAR là gì?

Đó là vùng không gian hóa học, được xác định bởi dữ liệu huấn luyện, trong đó các dự đoán của mô hình được coi là đáng tin cậy; các dự đoán cho các phân tử rất khác biệt nên được xử lý một cách thận trọng.

Mô hình QSAR được xác nhận đúng cách như thế nào?

Ngoài việc kiểm định chéo nội bộ, nó nên được kiểm tra trên một tập hợp các hợp chất bên ngoài không được sử dụng trong huấn luyện, vì các thống kê nội bộ tốt không tự nó đảm bảo hiệu suất dự đoán.