مطالعه QSAR مهاركننده هاي پروتئاز با استفاده از توصيفگرهاي محاسباتي جهت پيش بيني pki مشتقات حلقوي اوره

A QSAR Study of HIV Protease Inhibitors Using Computational Descriptors to Prediction of pki of Cycle Derivatives of Urea

همواره پيشگيري و كاهش سرعت تكثير ويروس HIV (اچ آي وي) يك دغدغه در علم پزشكي بوده است. يكي از راه هاي متداول در مهار ويروس اين بيماري استفاده از داروهاي مهار كننده آنزيم است.ازجمله اين آنزيم ها مي توان به آنزيم پروتئاز اشاره كرد. در اين مطالعه سعي بر آن بوده است كه فعاليت بيولوژيكي (PKi) مشتقات آلي اوره در تركيبات مهاركننده پروتئاز پيش بيني شود و بدين منظور از مدل سازي مولكولي استفاده شده و با استفاده از QSAR (Quantitative structure activity relationship) كه اساس آن مطالعه كمي بين ساختار و فعاليت است مدل هايي ارائه شد. در اين تحقيق ساختار شيميايي 41 تركيب توسط نرم افزار گوسين 09 بهينه گرديد و خواص ديگر موردنياز (توصيفگرها) با استفاده از نرم افزار ها به دست آمد. سطح به كاربرده شده در محاسبات B3LYP و سري حالت پايه *6-31Gبود. سپس تست هاي اعتبارسنجي بر روي مدل هاي به دست آمده انجام شد. نتايج داده هاي آماري موردقبول بودند. با توجه به متغيرهاي موثر در مدل ها مي شود فعاليت بيولوژيكي را پيش بيني و جهت طراحي مناسب دارو استناد نمود.

Preventing and reducing the spread of HIV (HIV) has always been a concern in medical science. One of the most common ways to control the virus is using enzyme-blocking drugs. In this study, we attempted to predict the biological activity (PKi) of organic urea derivatives in protease inhibitor compounds using molecular modeling using QSAR (Quantitative Structure Activity Relation), which is the basis of quantitative study of the structure between an‎d there is activity. Models were presented. In this study, the chemical structure of 41 compounds was optimized by Gaussian 09 software and other properties (descriptors) were obtained using software. The level used in B3LYP calculations and ground state series was 6-31G *. Validation tests were then performed on the obtained models. The results of the statistical data were acceptable. Given the effective variables in the models, it predicts biological activity and invokes appropriate drug design.