Asetil kolinesteraz inhibitor aktivitesinin 4d QSAR modeli için eğitim ve test setleri yarılmasına ve molekül dağılımına göre Q2/R2 derecesinin incelenmesi

Abstract

ASETİL KOLİNESTERAZ İNHİBİTOR AKTİVİTESİNİN 4D QSAR MODELİ İÇİN EĞİTİM VE TEST SETLERİ YARILMASINA VE MOLEKÜL DAĞILIMINA GÖRE Q2/R2 DERECESİNİN İNCELENMESİİbrahim KOCAKAPLANErciyes Üniversitesi, Fen Bilimleri Enstitüsü Yüksek Lisans Tezi, Ağustos 2021Tez Danışmanı: Prof. Dr. Yahya GÜZELÖZETAlzheimer hastalığında kolinerjik kayıpla ilgili hastalığın tedavisi hakkında fikir üretebilmek için asetilkolinesterazların yapısındaki inhibitor aktivitesinin bilinmesi önemlidir. Asetil kolinesteraz inhibitor aktivitesini 4D-QSAR olarak incelemek için 44 molekül serisi farklı tanımlayıcılar kullanılarak incelenmiştir.Farmakofor modelindeki tanımlayıcılara göre molekülleri eğitim ve test setlerine ayırmak iyi bir model oluşturmaya yarar. 3D metrik sistemdeki her etkileşim noktasında farmakoforun Lokal Reaktif Tanımlayıcı (LRD) etkisini izlemek zordur. Atom kümelerinin bir alt kümesi, farmakofor yapısının tamamına veya bir kısmına karşılık gelebilir. Bu çalışmada, alt kümenin çok boyutlu sistemi tek boyutlu bir indekse indirgenmiş ve moleküllerin Vektör Parmak İzi Fonksiyonları (VFF) oluşturulmuştur. Modeller, yakın ve benzer VFF'lere sahip moleküllerin eğitim ve test setlerine bölünmesiyle oluşturulmuştur. Genetik Algoritma (GA) uygulanarak tüm moleküller için alt kümeler incelenmiştir. Model, One Out-Cross Validation (LOO-CV) yöntemi kullanılarak tahmin edildi ve harici bir test seti ile doğrulandı. Geliştirdiğimiz yeni yöntemde bölmeye göre elde edilen modelin istatistiksel sonuçları Q2 = 0.9013 ve R2 = 0.902) rastgele ve manuel bölme sonuçları ile karşılaştırılmıştır.Anahtar Kelimeler: İlaç tasarımı, Farmakofor, QSAR, MCET, Vektör Parmak İzi Fonksiyonu, Klopman İndeksi

INVESTIGATION OF Q2/R2 RATING ACCORDING TO THE TRAINING AND TEST SETS CUTTING AND MOLECULAR DISTRIBUTION FOR 4D QSAR MODEL OF ACETYL CHOLINESTERASE INHIBITOR ACTIVITYIbrahim KOCAKAPLANErciyes University, Graduate School of Natural and Applied Sciences, Master Thesis, August 2021Thesis Advisor: Prof. Dr. Yahya GUZELABSTRACTIt is important to know the inhibitory activity of acetylcholinesterases in order to generate an idea about the treatment of cholinergic loss in Alzheimer's disease. To examine the acetyl cholinesterase inhibitory activity as 4D-QSAR, 44 molecular series were examined using different identifiers. It is useful to divide the molecules into training and test sets according to the descriptors in the pharmacophore model. It is difficult to monitor the Local Reactive Identifier (LRD) effect of the pharmacophore at each interaction point in the 3D metric system. A subset of atomic clusters may correspond to all or part of the pharmacophore structure. In this study, the multidimensional system of the subset is reduced to a one-dimensional index and Vector Fingerprint Functions (VFF) of molecules are formed. Models were constructed by dividing molecules with close and similar VFFs into training and test sets. Subsets for all molecules were examined by applying the Genetic Algorithm (GA). The model was estimated using the One Out-Cross Validation (LOO-CV) method and validated with an external test set. In the new method we developed, the statistical results of the model obtained according to division (Q2 = 0.9013 and R2 = 0.902) were compared with the results of random and manual division.Keywords: Drug Design, Pharmacophere, QSAR, MCET, Vector Fingerprint Function, Klopman Index.