文献

J-GLOBAL ID：201702223749394689   整理番号：17A0990222

ドッキングスコア補正のための定量的構造活性相関(QSAR)モデル【Powered by NICT】

Quantitative Structure-activity Relationship (QSAR) Models for Docking Score Correction

著者 (8件)： Fukunishi Yoshifumi (Molecular Profiling Research Center for Drug Discovery (molprof), National Institute of Advanced Industrial Science and Technology (AIST), 2-3-26, Aomi, Koto-ku, Tokyo, 135-0064, Japan) ,  Yamasaki Satoshi (Technology Research Association for Next-Generation Natural Products Chemistry, 2-3-26, Aomi, Koto-ku, Tokyo, 135-0064, Japan) ,  Yasumatsu Isao (Technology Research Association for Next-Generation Natural Products Chemistry, 2-3-26, Aomi, Koto-ku, Tokyo, 135-0064, Japan) ,  Yasumatsu Isao (Daiichi Sankyo RD Novare Co., Ltd., 1-16-13, Kita-Kasai, Edogawa-ku, Tokyo, 134-8630, Japan) ,  Takeuchi Koh (Molecular Profiling Research Center for Drug Discovery (molprof), National Institute of Advanced Industrial Science and Technology (AIST), 2-3-26, Aomi, Koto-ku, Tokyo, 135-0064, Japan) ,  Kurosawa Takashi (Technology Research Association for Next-Generation Natural Products Chemistry, 2-3-26, Aomi, Koto-ku, Tokyo, 135-0064, Japan) ,  Kurosawa Takashi (Hitachi Solutions East Japan, 12-1 Ekimaehoncho, Kawasaki-ku, Kanagawa, 210-0007, Japan) ,  Nakamura Haruki (Institute for Protein Research, Osaka University, 3-2 Yamadaoka, Suita, Osaka, 565-0871, Japan)
資料名： Molecular Informatics  (Molecular Informatics)
巻： 36  号： 1-2  ページ： ROMBUNNO.201600013  発行年： 2017年 
JST資料番号： W2686A  ISSN： 1868-1743  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ドッキングスコア補正を改善するために,蛋白質-薬物ドッキングシミュレーションにより幾つかの構造に基づく定量的構造活性相関(QSAR)モデルを開発し,公共親和性データとこれらのモデルを適用した。予測モデルは,記述子回帰を用い,化合物記述子は非標的を含む複数の(~600)蛋白質に対するドッキングスコアのセットであった。ドッキングスコアに対応する結合自由エネルギーは複数の蛋白質に対するドッキングスコアの加重平均で近似し,化合物の類似性を考慮した線形,重み付き線形および多項式回帰モデルを試みた。さらに,IC_50,K_i,%阻害値のような個々のデータセットに対するこれ等の回帰モデルの組合せを試みた。交差検証結果は,加重線形モデルは簡単な線形回帰モデルよりも正確であることを示した。公開データベースの親和性データに基づくQSARアプローチはドッキングスコアを改善するであろう。Copyright 2017 Wiley Publishing Japan K.K. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *定量的構造活性相関 ,  回帰モデル ,  親和性 ,  データベース ,  類似性 ,  *モデル ,  予測モデル ,  線形性 ,  タンパク質 ,  *ドッキング ,  線形回帰モデル ,  線形モデル ,  加重 ,  結合自由エネルギー ,  ドッキングシミュレーション

著者キーワード (4件)： 自由結合エネルギー ,  ChEMBL ,  スコアドッキング ,  蛋白質化合物のドッキング

分類 (3件)： 酵素一般  (EB09010D) ,  その他の汚染原因物質  (SB05040W) ,  薬物の構造活性相関  (GV01050B)

タイトルに関連する用語 (5件)： ドッキング ,  スコア ,  定量的構造活性相関 ,  QSAR ,  モデル