[5-ethylsulfanyl-2-(4-methylphenyl)-1,3-oxazol-4-yl]triphenylphosphonium iodide

• 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: [5-ethylsulfanyl-2-(4-methylphenyl)-1,3-oxazol-4-yl]triphenylphosphonium iodide
• 英文别名: [5-Ethylsulfanyl-2-(4-methylphenyl)-1,3-oxazol-4-yl]-triphenylphosphanium;iodide
• 化学式: C₃₀H₂₇NOPS*I
• 分子量: 607.495
• InChiKey: ADFWNZGEBWEETM-UHFFFAOYSA-M

计算性质

• 辛醇/水分配系数(LogP)：
  3.39
• 重原子数：
  35
• 可旋转键数：
  7
• 环数：
  5.0
• sp3杂化的碳原子比例：
  0.1
• 拓扑面积：
  51.3
• 氢给体数：
  0
• 氢受体数：
  4

反应信息

• 作为产物：
  描述：

  4-甲基-N-(2,2,2-三氯-1-羟乙基)苯甲酰胺 在 sodium hydrogen sulfide 、 氯化亚砜 作用下， 以 甲醇 、 苯 为溶剂， 反应 48.0h， 生成 [5-ethylsulfanyl-2-(4-methylphenyl)-1,3-oxazol-4-yl]triphenylphosphonium iodide
  参考文献：
  名称：

  新的1,3-恶唑基磷鎓盐作为潜在的杀菌剂：QSAR研究，合成，抗菌活性和毒性评估

  摘要：

  背景：由于耐多药微生物的增加，对生物活性分子的搜寻并未停止。在本研究中，我们开发了有效的QSAR模型，该模型允许快速搜索一系列季phospho盐中新的潜在金黄色葡萄球菌抑制剂。合成并检查了许多具有预期活性的最有希望的1,3-恶唑-4-基三苯基phosph衍生物，以确认其抗菌性能和预测的准确性。此外，评估了所研究化合物的毒性。 方法：采用人工神经网络方法建立了预测性QSAR模型。使用标准圆盘扩散法进行研究化合物的抗菌性能。使用斑马鱼（Danio rerio）在体内确定化合物的毒性，并在体外以乙酰胆碱酯酶（AChE）酶为测试模型确定化合物的毒性。 结果：通过交叉验证检验了回归模型的预测能力，得出交叉验证系数q2 = 0.82。合成了预计具有活性的1,3-恶唑-4-基三苯基phosph盐的衍生物，并筛选了其抗菌活性。根据预测，所有化合物均显示出抗菌活性。毒性测试表明，所有研究样品的毒性均低于众所周知的阳离​​子表面活性剂。

  DOI：

  10.2174/1570180815666180219164334

文献信息

• New 1,3-oxazolylphosphonium Salts as Potential Biocides: QSAR Study, Synthesis, Antibacterial Activity and Toxicity Evaluation
  作者：Maria M. Trush、Vasyl Kovalishyn、Alla D. Ocheretniuk、Larisa E. Kalashnikova、Volodymyr M. Prokopenko、Oleksandr V. Holovchenko、Oleksandr L. Kobzar、Volodymyr S. Brovarets、Larisa O. Metelytsia

  DOI：10.2174/1570180815666180219164334

  日期：2018.12

  screened for their antibacterial activities. All compounds demonstrated antibacterial activity according to the prediction. The toxicity tests indicated that all investigated samples were less toxic than well-known cationic surfactants. Conclusion: The most promising compound 2b exhibited strong antibacterial activity together with low toxicity and can be considered as a new efficient biocidal agent for

  背景：由于耐多药微生物的增加，对生物活性分子的搜寻并未停止。在本研究中，我们开发了有效的QSAR模型，该模型允许快速搜索一系列季phospho盐中新的潜在金黄色葡萄球菌抑制剂。合成并检查了许多具有预期活性的最有希望的1,3-恶唑-4-基三苯基phosph衍生物，以确认其抗菌性能和预测的准确性。此外，评估了所研究化合物的毒性。 方法：采用人工神经网络方法建立了预测性QSAR模型。使用标准圆盘扩散法进行研究化合物的抗菌性能。使用斑马鱼（Danio rerio）在体内确定化合物的毒性，并在体外以乙酰胆碱酯酶（AChE）酶为测试模型确定化合物的毒性。 结果：通过交叉验证检验了回归模型的预测能力，得出交叉验证系数q2 = 0.82。合成了预计具有活性的1,3-恶唑-4-基三苯基phosph盐的衍生物，并筛选了其抗菌活性。根据预测，所有化合物均显示出抗菌活性。毒性测试表明，所有研究样品的毒性均低于众所周知的阳离​​子表面活性剂。
• In silico and in vitro studies of a number PILs as new antibacterials against MDR clinical isolate <i>Acinetobacter baumannii</i>
  作者：Maria M. Trush、Vasyl Kovalishyn、Diana Hodyna、Olexandr V. Golovchenko、Svitlana Chumachenko、Igor V. Tetko、Volodymyr S. Brovarets、Larysa Metelytsia

  DOI：10.1111/cbdd.13678

  日期：2020.6

  AbstractQSAR analysis of a set of previously synthesized phosphonium ionic liquids (PILs) tested against Gram‐negative multidrug‐resistant clinical isolate Acinetobacter baumannii was done using the Online Chemical Modeling Environment (OCHEM). To overcome the problem of overfitting due to descriptor selection, fivefold cross‐validation with variable selection in each step of the model development was applied. The predictive ability of the classification models was tested by cross‐validation, giving balanced accuracies (BA) of 76%–82%. The validation of the models using an external test set proved that the models can be used to predict the activity of newly designed compounds with a reasonable accuracy within the applicability domain (BA = 83%–89%). The models were applied to screen a virtual chemical library with expected activity of compounds against MDR Acinetobacter baumannii. The eighteen most promising compounds were identified, synthesized, and tested. Biological testing of compounds was performed using the disk diffusion method in Mueller‐Hinton agar. All tested molecules demonstrated high anti‐A. baumannii activity and different toxicity levels. The developed classification SAR models are freely available online at http://ochem.eu/article/113921 and could be used by scientists for design of new more effective antibiotics.