摘要:
癌症是85岁以下男女死亡的主要原因。每年,有数百万人被诊断出患有癌症。但是,寻找新药是一项复杂,昂贵且非常耗时的任务。在过去的十年中,癌症研究界已开始解决计算机模拟建模方法,例如定量结构-活性关系(QSAR),作为靶向潜在抗癌药物的重要替代工具。通过在我们的实验室或其他地方合成的大量核苷数据集的汇编,并在相同的实验条件下在单细胞毒性测定中进行了测试,我们认识到了独特的机会来尝试建立预测性QSAR模型。从该数据集的一部分构建的2D分类模型的早期工作非常令人鼓舞。在这里,我们报告对分类模型的进一步详细评估,以标记源自各种3D分子表示形式的潜在抗癌活性。获得了将抗癌化合物与非活性化合物区分开的定量3D模型模型,该模型可以在如此庞大而多样的数据集中正确分类82%的化合物,其中只有5%的错误非活性成分和11%的错误活性成分。通过预先将其分类为活性/非活性抗癌化合物,可将此处开发的模型用于选择和设计一