• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>European Journal of Medicinal Chemistry: Chimie Therapeutique >Unified drug-target interaction thermodynamic Markov model using stochastic entropies to predict multiple drugs side effects.
【24h】

Unified drug-target interaction thermodynamic Markov model using stochastic entropies to predict multiple drugs side effects.

机译：统一的药物-靶标相互作用热力学马尔可夫模型，使用随机熵预测多种药物的副作用。

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Most of present molecular descriptors consider just the molecular structure. In the present article we pretend extending the use of Markov chain (MC) models to define novel molecular descriptors, which consider in addition other parameters like target site or toxic effect. Specifically, this molecular descriptor takes into consideration not only the molecular structure but the specific system the drug affects too. Herein, it is developed a general Markov model that describes 21 different drugs side effects grouped in 10 affected biological systems for 193 drugs, being 311 cases finally. The data were processed by linear discriminant analysis (LDA) classifying drugs according to their specific side effects, forward stepwise was fixed as strategy for variables selection. The average percentage of good classification and number of compounds used in the training/predicting sets were 92.6/91.7% for cardiovascular manifestation (25 out of 27)/(18 out of 20); 89.3/83.9% for dermal manifestations (25 out of 18)/(18 out of 21); 88.9/88.9% for endocrine manifestations (16 out of 18)/(12 out of 14); 88.9/88.2% for psychiatric manifestations (32 out of 36)/(24 out of 27); 88.5/85.6% for systemic phenomena (23 out of 26)/(17 out of 20); 85.7/91.7% for gastrointestinal manifestations (36 out of 42)/(29 out of 32); 83.3/79.2% for metabolic manifestations (15 out of 18)/(11 out of 14); 81.8/78.0% for neurological manifestations (27 out of 33)/(20 out of 25); 75.0/74.0% for hematological manifestations (36 out of 48)/(27 out of 36) and 74.3/72.8% for breathing manifestations (26 out of 35)/(19 out of 26). Finally, application of back-projection analysis (BPA) provides physic interpretation in structural terms through molecular graphics of the toxic effects predicted with these QSTR models. This article develops a mathematical model that encompasses a large number of drugs side effects grouped in specifics systems using stochastic entropies of interaction (Thetak (j)) by the first time.
机译：当前大多数分子描述符仅考虑分子结构。在本文中，我们假装扩展使用马尔可夫链（MC）模型来定义新颖的分子描述符，该描述符还考虑了其​​他参数，例如靶位点或毒性作用。具体而言，该分子描述符不仅考虑分子结构，还考虑药物影响的特定系统。在此，建立了一个通用的马尔可夫模型，该模型描述了针对193种药物的10种受影响的生物系统中的21种不同药物的副作用，这些副作用分为10个受影响的生物系统。通过线性判别分析（LDA）根据药物的特定副作用对数据进行处理，逐步逐步固定为变量选择策略。良好的分类和在训练/预测集中使用的化合物数量的平均百分比为92.6 / 91.7％（心血管表现中的25）/（20中的18）。皮肤表现为89.3 / 83.9％（18中的25）/（21中的18）;内分泌表现为88.9 / 88.9％（18个中的16个）/（14个中的12个）;精神病学表现为88.9 / 88.2％（36中为32）/（27中为24）;系统性现象的占88.5 / 85.6％（26中的23）/（20中的17）;胃肠道表现为85.7 / 91.7％（42中的36）/（32中的29）;代谢表现的比例为83.3 / 79.2％（18分之15）/（14分之11）;神经系统表现为81.8 / 78.0％（33中为27）/（25中为20）;血液学表现为75.0 / 74.0％（48个中的36个）/（36个中的27个），呼吸表现为74.3 / 72.8％（35个中的26个）/（26个中的19个）。最后，反投影分析（BPA）的应用通过分子结构图对这些QSTR模型预测的毒性作用提供了结构方面的物理解释。本文开发了一种数学模型，该模型首次包含了使用相互作用的随机熵（Thetak（j））在特定系统中分组的大量药物副作用。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号