3-nitro-N-(6-amino-1,2,3,4-tetrahydro-4-oxo-2-thioxo-5-pyrimidinyl)benzenesulfonamide

• 分子结构分类: 有机化合物 - 苯类化合物 - 苯和取代衍生物
• 英文名称: 3-nitro-N-(6-amino-1,2,3,4-tetrahydro-4-oxo-2-thioxo-5-pyrimidinyl)benzenesulfonamide
• 英文别名: N-(6-amino-4-oxo-2-sulfanylidene-1H-pyrimidin-5-yl)-3-nitrobenzenesulfonamide
• 化学式: C₁₀H₉N₅O₅S₂
• 分子量: 343.344
• InChiKey: NYEYEVPZXQXXMT-UHFFFAOYSA-N

计算性质

• 辛醇/水分配系数(LogP)：
  -0.3
• 重原子数：
  22
• 可旋转键数：
  3
• 环数：
  2.0
• sp3杂化的碳原子比例：
  0.0
• 拓扑面积：
  200
• 氢给体数：
  4
• 氢受体数：
  8

反应信息

• 作为反应物：
  描述：

  3-nitro-N-(6-amino-1,2,3,4-tetrahydro-4-oxo-2-thioxo-5-pyrimidinyl)benzenesulfonamide 在 盐酸 、 铁粉 作用下， 生成 3-amino-N-(4-amino-2-mercapto-6-oxo-1,6-dihydropyrimidin-5-yl)benzenesulfonamide
  参考文献：
  名称：

  Pecorari; Vampa; Rinaldi, Farmaco, Edizione Scientifica, 1984, vol. 39, # 9, p. 781 - 787

  摘要：

  DOI：
• 作为产物：
  描述：

  3-硝基苯磺酰氯 、 4,5-二氨基-2-硫脲嘧啶 在 sodium hydroxide 作用下， 以 水 为溶剂， 以88 %的产率得到3-nitro-N-(6-amino-1,2,3,4-tetrahydro-4-oxo-2-thioxo-5-pyrimidinyl)benzenesulfonamide
  参考文献：
  名称：

  高通量表型筛选和机器学习方法使得能够选择广谱低毒抗锥虫药物

  摘要：

  通过对属于内部行业数据库 Ty-Box 的 456 种化合物进行的高通量表型筛选程序，鉴定出了对锥虫、利什曼原虫和结核分枝杆菌具有活性的广谱抗感染化疗药物。使用机器学习方法进行化合物表征，能够识别和合成 44 种化合物，这些化合物对布氏锥虫、婴儿利什曼原虫和克氏锥虫具有广谱抗寄生虫活性和最小毒性。体外研究证实了化合物40中确定的预测模型，该化合物是一种新的先导化合物，具有创新的N- (5-嘧啶基)苯磺酰胺支架，有望对两种寄生虫具有低微摩尔活性和低毒性。鉴于对 Ty-Box 库的化合物进行的各种高通量筛选测定所产生的数据量和复杂性，化学信息学和机器学习工具能够选择适合进一步评估其生物和毒理学活性的化合物，并辅助在决策过程中对已确定的先导进行设计和优化。

  DOI：

  10.1021/acs.jmedchem.3c01322

文献信息

• Vampa; Pecorari; Rinaldi, Farmaco, Edizione Scientifica, 1984, vol. 39, # 8, p. 702 - 706
  作者：Vampa、Pecorari、Rinaldi、et al.

  DOI：——

  日期：——
• PECORARI, P.;VAMPA, G.;RINALDI, M.;MELEGARI, M.;ALBASINI, A.;PROVVISIONAT+, FARMACO. ED. SCI., 1984, 39, N 9, 781-787
  作者：PECORARI, P.、VAMPA, G.、RINALDI, M.、MELEGARI, M.、ALBASINI, A.、PROVVISIONAT+

  DOI：——

  日期：——
• Pecorari; Melegari; Albasini, Farmaco, Edizione Scientifica, <hi>1987</hi>, vol. 42, # 8, p. 611 - 618
  作者：Pecorari、Melegari、Albasini、Rinaldi、Costi、Provvisionato

  DOI：——

  日期：——
• Pecorari; Vampa; Rinaldi, Farmaco, Edizione Scientifica, 1984, vol. 39, # 9, p. 781 - 787
  作者：Pecorari、Vampa、Rinaldi、Melegari、Albasini、Provvisionato

  DOI：——

  日期：——
• High-Throughput Phenotypic Screening and Machine Learning Methods Enabled the Selection of Broad-Spectrum Low-Toxicity Antitrypanosomatidic Agents
  作者：Pasquale Linciano、Antonio Quotadamo、Rosaria Luciani、Matteo Santucci、Kimberley M. Zorn、Daniel H. Foil、Thomas R. Lane、Anabela Cordeiro da Silva、Nuno Santarem、Carolina B Moraes、Lucio Freitas-Junior、Ulrike Wittig、Wolfgang Mueller、Michele Tonelli、Stefania Ferrari、Alberto Venturelli、Sheraz Gul、Maria Kuzikov、Bernhard Ellinger、Jeanette Reinshagen、Sean Ekins、Maria Paola Costi

  DOI：10.1021/acs.jmedchem.3c01322

  日期：2023.11.23

  approaches enabled the identification and synthesis of 44 compounds with broad-spectrum antiparasitic activity and minimal toxicity against Trypanosoma brucei, Leishmania Infantum, and Trypanosoma cruzi. In vitro studies confirmed the predictive models identified in compound 40 which emerged as a new lead, featured by an innovative N-(5-pyrimidinyl)benzenesulfonamide scaffold and promising low micromolar

  通过对属于内部行业数据库 Ty-Box 的 456 种化合物进行的高通量表型筛选程序，鉴定出了对锥虫、利什曼原虫和结核分枝杆菌具有活性的广谱抗感染化疗药物。使用机器学习方法进行化合物表征，能够识别和合成 44 种化合物，这些化合物对布氏锥虫、婴儿利什曼原虫和克氏锥虫具有广谱抗寄生虫活性和最小毒性。体外研究证实了化合物40中确定的预测模型，该化合物是一种新的先导化合物，具有创新的N- (5-嘧啶基)苯磺酰胺支架，有望对两种寄生虫具有低微摩尔活性和低毒性。鉴于对 Ty-Box 库的化合物进行的各种高通量筛选测定所产生的数据量和复杂性，化学信息学和机器学习工具能够选择适合进一步评估其生物和毒理学活性的化合物，并辅助在决策过程中对已确定的先导进行设计和优化。