Elektron konformasyonel-genetik algoritma 4D-QSAR metodu ile piridin karboksilik asit, oksadiazol, pirimidin ve oksazoltürevlerine ait farmakofor gruplarının belirlenmesi ve biyoaktivite hesabı

Abstract

Bu çalışmada, Piridin karboksilik Asit, Oksadiazol, Pirimidin ve Oksazol türevli bileşik serileri kullanılak biyoloik aktivitesinden sorumlu farmakofor gruplarının belirlenmesi ve bileşik serilerinin nicel biyoaktivite tahmini, elektron konformasyonel ve genetik algoritmanın bileşiminden oluşan melez EC-GA metodu ile yapılacaktır. Bu metodun temeli her bir bileşiğin tek konformerini kullanmak yerine bileşiğin bütün konformerlerinin kullanılması esasına dayanmaktadır. Çalışmanın ilk kısmında, Spartan paket programında molekül iskeletlerinin çizimleri yapılıp, iskelet dinamizmine göre en düşük enerji halleri minimize edilerek molekül yapıları çıkartılacaktır. Hartree-Fock (HF) 6-31G** temel seti ile bileşiklerin kuantum kimyasal hesaplamaları yapıldıktan konformerlerin relatif enerji değerleri belirlendikten sonra boltzman dağılımına göre bulunma yüzdeleri belirlenerek bulunma ihtimali fazla olan konformerler dikkate alınacaktır. Hesaplamalar sonucunda bileşiklerin atom yükleri bağ derecesi ve atomlar arası mesafe kullanılarak bileşiklerin her bir konformeri için üç boyutlu elektron konformasyonel uygunluk matrisleri (ECMC) hazırlanacaktır. Daha sonra en yüksek aktiviteli bileşiğin en düşük enerjili konformerinin ECMC'si referans alınarak diğer ECMC'lerle belirli tolerans değerlerinde karşılaştırılarak aktiviteden sorumlu olan farmakofor grup yani elektron konformasyonel alt matris (ECSA, Pha) belirlenecektir. Pha'ya etki eden yani aktiviteyi arttırıcı (AG) ve aktiviteyi azaltıcı grup (APS)'ye ait üç boyutlu elektron topolojik özellikler çıkartılacak ve biyolojik aktivite tahmini yapılacaktır. Aktivite hesaplamalarında kullanılmak üzere elektronik, geometrik ve fizikokimyasal özellikler gibi çok sayıda değişken EMRE programı ile hazırlanacaktır. Bu çalışma kapsamında bileşik serileri eğitim ve test seti şeklinde sınıflandırılarak modeller oluşturulacaktır. Modellerin geçerliliğini doğrulamak için regresyon analizi, dahili ve harici çapraz doğrulama yapılacaktır. Sonuçlar istatiksel olarak yapılacaktır.

The electron-conformational genetic algorithm (EC-GA) method has been employed to reveal the pharmacophore (Pha) and to predict antimicrobial activity, study in the class of Piridin karboksilik Asit, Oksadiazol, Pirimidin and Oksazol. The basis of this method, instead of using the conformers of each compound, one of the compounds is based on the use of all the conformers. In the first part of the study, the Spartan software package made drawings of the molecular skeleton, skeleton according to the dynamism of the lowest energy states will be extracted by minimizing the molecular structure. Quantum chemical calculations of compounds is made with Hartree-Fock (HF) 6-31G** basic set, after determining the relative energy values of the conformers, the percentages determined by the Boltzmann distribution, which is more likely to be present will be considered conformers. As a result of the calculation, charges of the compounds atoms bond order and using the distance between atoms three-dimensional electron conformational compatibility matrices (ECMC) will be prepared for each conformers of the compounds. Then the lowest energy conformer of compound of high activity with reference to the ecmc's, in certain tolerance values compared with other ecmc pharmacophore which is responsible for the activity that is the electron conformational lower die group (ECSA, Phe) will be determined. PHA i.e. acting Auxiliary Group (AG) and Anti-Pha Shielding (APS) to a three dimensional electron topological features will be extracted and estimation of biological activity. To be used in the activity calculation, numerous variables such as electronic, geometrical and physicochemical properties in the program will be prepared by EMRE. Series of compounds under this study will be created the model are classified as training and test set. To verify the validity of the model regression analysis, internal and external cross-validation will be done. The results will be analyzed statistically.