MétaCan
Menu
Retour à la cohorte
Enregistrement W4286251096 · doi:10.1016/j.heliyon.2022.e10003

Design and prediction of novel pyrazole derivatives as potential anti-cancer compounds based on 2D-QSAR study against PC-3, B16F10, K562, MDA-MB-231, A2780, ACHN and NUGC cancer cell lines

2022· article· en· W4286251096 sur OpenAlexaff
Fatima Ezzahra Bennani, Latifa Doudach, Khalid Karrouchi, Youssef El Rhayam, Christopher E. Rudd, M’hammed Ansar, My El Abbés Faouzi

Notice bibliographique

RevueHeliyon · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensMcGill UniversityUniversité de MontréalHôpital Maisonneuve-Rosemont
Organismes subventionnairesnon disponible
Mots-clésQuantitative structure–activity relationshipPyrazolePartial least squares regressionCancer cell linesCancerPrincipal component analysisComputational biologyChemistryComputer scienceCancer cellStereochemistryArtificial intelligenceBiologyMachine learning

Résumé

récupéré en direct d'OpenAlex

Despite the decades of scientific studies for developing promising new therapies, cancer remains a major cause of illness and mortality, worldwide. Several cancer types are the major topic of research in drug discovery programs due to their global incidence cases and growing frequency. In the present study, using two different statistical approaches PCA (principal component analysis) and PLS (partial least squares), six 2D-QSAR (quantitative structure activity relationship) models have been developed for the set of compounds retrieved against seven cancer cell lines vizPC-3, B16F10, K562, MDA-MB-231, A2780, and ACHN. For the creation and validation of 2D-QSAR models, OECD (Organization for Economic Co-operation and Development) requirements have been strictly followed. All of the generated 2D-QSAR models produce a significant and high correlation coefficient value with several other statistical parameters. Moreover, developed 2D-QSAR models have been used for activity predictions of in-house synthesized 63 pyrazole derivatives compounds. Precisely, most statistically significant and accepted2D-QSAR model generated for each cancer cell line has been used to predict the pIC 50 value (anti-cancer activity) of all 63 synthesized pyrazole derivatives. Furthermore, designing of novel pyrazole derivatives has been carried out by substituting the essential functional groups based on the best derived 2D-QSAR models for each cancer cell line, more precisely, based on the most significant molecular descriptors with enhanced anti-cancer activity. Finally, the prediction of the new designed molecules reveals higher pIC 50 than the standard compounds.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,038
Tête enseignante GPT0,305
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeliyonMême sujetComputational Drug Discovery MethodsTravaux en français237 207