Show simple item record

QSAR-ANALYSIS OF THE 4-THIAZOLIDINONE-RELATED LIBRARIES FOR THE PREDICITING OF ANTITRIPANOSOMAL PROPERTIES OF NOVEL DERIVATIVES

QSAR-АНАЛИЗ БИБЛИОТЕК 4-ТИАЗОЛИДИНОН-РОДСТВЕННЫХ ГЕТЕРОЦИКЛОВ ДЛЯ ПРОГНОЗИРОВАНИЯ ПРОТИВОТРИПАНОСОМНЫХ СВОЙСТВ НОВЫХ ПРОИЗВОДНЫХ;
QSAR-АНАЛІЗ БІБЛІОТЕК 4-ТІАЗОЛІДИНОН-СПОРІДНЕНИХ ГЕТЕРОЦИКЛІВ ДЛЯ ПРОГНОЗУВАННЯ ПРОТИТРИПАНОСОМНИХ ВЛАСТИВОСТЕЙ НОВИХ ПОХІДНИХ

dc.creatorKryshchyshyn-Dylevych, A. P.
dc.date2021-02-12
dc.date.accessioned2026-07-06T09:49:09Z
dc.date.available2026-07-06T09:49:09Z
dc.identifierhttps://ojs.tdmu.edu.ua/index.php/MCC/article/view/11738
dc.identifier10.11603/mcch.2410-681X.2020.i4.11738
dc.identifier.urihttps://repository.tdmu.edu.ua//handle/123456789/29969
dc.descriptionIntroduction. Derivatives of thiazolidinone and related heterocycles are a source of new antiparasitic agents, including molecules with antitrypanosomal properties. A number of studies of the quantitative structure – antitrypanosomal activity relationship based on different approaches of computer chemistry have been found in the relevant scientific sources. Although most studies belong to the so-called – multitarget, when the studied set include the results of other types of antiparasitic activities. Development of new QSAR-models of thiazolidinone derivatives with antitrypanosomal properties will allow to outline the directions of directed design of new antiparasitic agents based on thiazole and thiazolidinone cycles. The aim of the study – to establish quantitative relationships between structure-antitrypanosomal activity within libraries of thizolidinones and related heterocycles. Research Methods. The development of mathematical models based on QSAR-analysis was performed using the online platform Online Chemical Database. Results and Discussion. Analysis of the quantitative structure-activity relationship was performed using a mathematical model of associative neural networks (ASNN: Associative Neural Networks) and the Random Forest regression method (RFR: Random Forest regression) based on set of compounds including isothiocoumarin-3-carboxylic acid derivatives, thiopyranothiazoles and 4-thiazolidinone-imidazothiadiazoles with the established trypanocidal activity against Trypanosoma brucei brucei and Trypanosoma brucei gambiense. The best predictive capacity for the group of isothiocoumarin-3-carboxylic acids and thiopyrano[2,3-d][1,3]thiazol-2-ones was calculated using the Random Forest algorithm. The model calculated on the basis of the Random Forest algorithm for the group of imidazothiadiazoles has the highest predictive power with a value of R2 = 0.96. Conclusions. Based on the methods of associative neural networks and Random Forest regression, a series of prognostic models have been developed for the predicting of antiparasitic activity of different 4-thiazolidinone derivatives and further development of the optimization directions for novel biologically active molecules with trypanocidal properties.en-US
dc.descriptionВступление. Производные тиазолидинона и родственных гетероциклов являются источником новых противопаразитарных агентов, в том числе молекул с противотрипаносомными свойствами. В актуальных научных источниках найден ряд исследований о количественной взаимосвязи структура – антитрипаносомная активность, что включают различные подходы компьютерной химии. Большинство исследований относится к так называемым мультитаргетным, когда в выборку включают результаты других видов противопаразитарных активностей. Разработка новых QSAR-моделей производных тиазолидинона с противотрипаносомными свойствами позволит определить направления направленного дизайна новых противопаразитарных агентов на основе циклов тиазола и тиазолидинона. Цель исследования – установить количественную взаимосвязь структура – противотрипаносомная активность в пределах библиотек тиазолидинонов и родственных гетероциклов. Методы исследования. Построение математических моделей на основе QSAR-анализа осуществляли с помощью онлайн-платформы Online Chemical Database. Результаты и обсуждение. Анализ количественной взаимосвязи структура – противотрипаносомная активность проводили с применением математической модели ассоциативных нейронных сетей (ASNN: Associative Neural Networks) и метода регрессии Random Forest (RFR: Random Forest regression) на основе выборок, включавших производные изотиокумарин-3-карбоновых кислот, тиопиранотиазолов и 4-тиазолидинон-имидазотиадиазолов с установленной трипаноцидной активностью в отношении Trypanosoma brucei brucei и Trypanosoma brucei gambiense. Лучшую прогнозирующую способность для группы изотиокумарин-3-карбоновых кислот и тиопирано[2,3-d][1,3]тиазол-2-онов вычислено с помощью алгоритма Random Forest. Модель, вычисленная на основе алгоритма Random Forest для группы имидазотиадиазолов, обладает наиболее высокой прогнозирующей способностью со значением R2=0,96. Вывод. На основе методов ассоциативных нейронных сетей и регрессии Random Forest разработаны прогностические модели для прогнозирования противопаразитарной активности диверсифицированных производных 4-тиазолидинонов и последующей фокусировки направлений оптимизации новых биологически активных молекул с трипаноцидными свойствами.ru-RU
dc.descriptionВступ. Похідні тіазолідинону та споріднених гетероциклів є джерелом нових протипаразитарних агентів, у тому числі молекул із протитрипаносомними властивостями. В актуальних наукових джерелах знайдено ряд досліджень про кількісний взаємозв’язок структура – протитрипаносомна активність, що включає різні підходи комп’ютерної хімії. Більшість досліджень належить до так званих мультитаргетних, коли до вибірки включають результати інших видів протипаразитарних активностей. Розробка нових QSAR-моделей похідних тіазолідинону з протитрипаносомними властивостями дозволить окреслити напрямки спрямованого дизайну нових протипаразитарних агентів на основі циклів тіазолу та тіазолідинону. Мета дослідження – встановити кількісний взаємозв’язок структура – протитрипаносомна активність у межах бібліотек тіазолідинонів та споріднених гетероциклів. Методи дослідження. Побудову математичних моделей на основі QSAR-аналізу здійснювали за допомогою онлайн-платформи Online Chemical Database. Результати й обговорення. Аналіз кількісного взаємозв’язку структура – протитрипаносомна активність проводили із застосуванням математичної моделі асоціативних нейронних мереж (ASNN: Associative Neural Networks) та методу регресії Random Forest (RFR: Random Forest regression) на основі вибірок, що включали похідні ізотіокумарин-3-карбонових кислот, тіопіранотіазолів і 4-тіазолідинон-імідазотіадіазолів із встановленою трипаноцидною активністю щодо Trypanosoma brucei brucei та Trypanosoma brucei gambiense. Кращу прогнозувальну здатність для групи ізотіокумарин-3-карбонових кислот і тіопірано[2,3-d][1,3]тіазол-2-онів обчислено за допомогою алгоритму Random Forest. Модель, обчислена на основі алгоритму Random Forest для групи імідазотіадіазолів, володіє найвищою прогнозувальною здатністю зі значенням R2=0,96. Висновок. На основі методів асоціативних нейронних мереж та регресії Random Forest розроблено прогностичні моделі для прогнозування протипаразитарної активності диверсифікованих похідних ­4-тіазолідинонів і подальшого фокусування напрямків оптимізації нових біологічно активних молекул із трипаноцидними властивостями.uk-UA
dc.formatapplication/pdf
dc.languageukr
dc.publisherTernopil National Medical Universityuk-UA
dc.relationhttps://ojs.tdmu.edu.ua/index.php/MCC/article/view/11738/11103
dc.rightsАвторське право (c) 2021 Медична та клінічна хіміяuk-UA
dc.rightshttps://creativecommons.org/licenses/by/4.0uk-UA
dc.sourceMedical and Clinical Chemistry; No. 4 (2020); 39-46en-US
dc.sourceМедицинская и клиническая химия; № 4 (2020); 39-46ru-RU
dc.sourceМедична та клінічна хімія; № 4 (2020); 39-46uk-UA
dc.source2414-9934
dc.source2410-681X
dc.source10.11603/mcch.2410-681X.2020.v.i4
dc.subjectQSAR-аналізuk-UA
dc.subjectтіазолідониuk-UA
dc.subjectметод асоціативних нейронних мережuk-UA
dc.subjectпротитрипаносомна активністьuk-UA
dc.subjectметод регресії Random Forestuk-UA
dc.subjectthiazolidonesen-US
dc.subjectantitrypanosomal activityen-US
dc.subjectтиазолидоныru-RU
dc.subjectпротивотрипаносомная активностьru-RU
dc.subjectметод регрессии Random Forestru-RU
dc.titleQSAR-ANALYSIS OF THE 4-THIAZOLIDINONE-RELATED LIBRARIES FOR THE PREDICITING OF ANTITRIPANOSOMAL PROPERTIES OF NOVEL DERIVATIVESen-US
dc.titleQSAR-АНАЛИЗ БИБЛИОТЕК 4-ТИАЗОЛИДИНОН-РОДСТВЕННЫХ ГЕТЕРОЦИКЛОВ ДЛЯ ПРОГНОЗИРОВАНИЯ ПРОТИВОТРИПАНОСОМНЫХ СВОЙСТВ НОВЫХ ПРОИЗВОДНЫХru-RU
dc.titleQSAR-АНАЛІЗ БІБЛІОТЕК 4-ТІАЗОЛІДИНОН-СПОРІДНЕНИХ ГЕТЕРОЦИКЛІВ ДЛЯ ПРОГНОЗУВАННЯ ПРОТИТРИПАНОСОМНИХ ВЛАСТИВОСТЕЙ НОВИХ ПОХІДНИХuk-UA
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion


Files in this item

FilesSizeFormatView

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record