(6-Methoxy-3-methyl-4-oxido-1-oxoquinoxalin-1-ium-2-yl)-phenylmethanone | 153757-42-7

• 分子结构分类: 有机化合物 - 有机杂环化合物 - 二氮杂萘
• 英文名称: (6-Methoxy-3-methyl-4-oxido-1-oxoquinoxalin-1-ium-2-yl)-phenylmethanone
• CAS: 153757-42-7
• 化学式: C₁₇H₁₄N₂O₄
• 分子量: 310.309
• InChiKey: BUOMEBOWGYOCNT-UHFFFAOYSA-N

计算性质

• 辛醇/水分配系数(LogP)：
  1.9
• 重原子数：
  23
• 可旋转键数：
  3
• 环数：
  3.0
• sp3杂化的碳原子比例：
  0.12
• 拓扑面积：
  72.7
• 氢给体数：
  0
• 氢受体数：
  5

反应信息

• 作为产物：
  描述：

  5-甲氧基苯并呋喃 、 1-苯基-1,3-丁二酮 在 silica gel 作用下， 反应 0.08h， 生成 (6-Methoxy-3-methyl-4-oxido-1-oxoquinoxalin-1-ium-2-yl)-phenylmethanone
  参考文献：
  名称：

  将基于代谢物的药理学与贝叶斯机器学习模型相结合，用于结核分枝杆菌药物发现。

  摘要：

  结核分枝杆菌（Mtb）的集成计算方法可用于识别可能导致未来结核病（TB）药物的新分子。我们的方法使用的信息来自TBCyc途径和基因组数据库，协作药物发现TB数据库，3D药效团以及全细胞活性和缺乏细胞毒性的双事件贝叶斯模型。我们已经对可能充当TB代谢组中底物和代谢物模拟物的大量分子进行了优先排序。我们使用基于Mtb的底物和代谢物的66个药效团，通过计算搜索了200,000多种商业分子，并进一步用贝叶斯模型进行了过滤。我们最终在体外测试了110种化合物，得到了两种目标化合物，BAS 04912643和BAS 00623753（MIC分别为2.5和5μg/ mL）。这些分子被用作领先优势优化的起点。最有前途的一类被证明是喹喔啉二-N-氧化物，其通过转录谱分析来诱导与已知质子体最相似的mRNA水平扰动而得到证明。其中之一，SRI58在Vero细胞中的MIC = 1.25μg/ mL（相对于Mtb）和CC50，>

  DOI：

  10.1371/journal.pone.0141076

文献信息

• Combining Metabolite-Based Pharmacophores with Bayesian Machine Learning Models for Mycobacterium tuberculosis Drug Discovery
  作者：Sean Ekins、Peter B. Madrid、Malabika Sarker、Shao-Gang Li、Nisha Mittal、Pradeep Kumar、Xin Wang、Thomas P. Stratton、Matthew Zimmerman、Carolyn Talcott、Pauline Bourbon、Mike Travers、Maneesh Yadav、Joel S. Freundlich

  DOI：10.1371/journal.pone.0141076

  日期：——

  Integrated computational approaches for Mycobacterium tuberculosis (Mtb) are useful to identify new molecules that could lead to future tuberculosis (TB) drugs. Our approach uses information derived from the TBCyc pathway and genome database, the Collaborative Drug Discovery TB database combined with 3D pharmacophores and dual event Bayesian models of whole-cell activity and lack of cytotoxicity. We

  结核分枝杆菌（Mtb）的集成计算方法可用于识别可能导致未来结核病（TB）药物的新分子。我们的方法使用的信息来自TBCyc途径和基因组数据库，协作药物发现TB数据库，3D药效团以及全细胞活性和缺乏细胞毒性的双事件贝叶斯模型。我们已经对可能充当TB代谢组中底物和代谢物模拟物的大量分子进行了优先排序。我们使用基于Mtb的底物和代谢物的66个药效团，通过计算搜索了200,000多种商业分子，并进一步用贝叶斯模型进行了过滤。我们最终在体外测试了110种化合物，得到了两种目标化合物，BAS 04912643和BAS 00623753（MIC分别为2.5和5μg/ mL）。这些分子被用作领先优势优化的起点。最有前途的一类被证明是喹喔啉二-N-氧化物，其通过转录谱分析来诱导与已知质子体最相似的mRNA水平扰动而得到证明。其中之一，SRI58在Vero细胞中的MIC = 1.25μg/ mL（相对于Mtb）和CC50，>