Development of 2-dimensional and 3-dimensional QSAR models of Indazole derivatives as TTK inhibitors having Anticancer potential
Notice bibliographique
Résumé
The study aimed to explore the anticancer efficacy of indazole pharmacophore by analyzing a series of 109 derivatives of indazole as Tyrosine Threonine Kinase (TTK) inhibitors through quantitative activity relationship analysis using 2D and 3D QSAR techniques. The best 2D-QSAR model was generated by the MLR method, showing a high correlation coefficient (r2) of 0.9512, and good internal (q2), and external (pred_r2) cross-validation regression coefficients of 0.8998, and 0.8661, respectively. The residual values were modest, indicating good agreement between the observed and predicted pIC50 values, which suggested that the chosen model was predictably accurate. The 3D QSAR model, built using the SWF kNN approach, displayed a high internal cross-validation regression coefficient (q2) of 0.9132. Essential structural features/considerations in developing indazole as prospective anticancer medicines have been suggested. The study provides a reliable and predictive model for the prediction of anticancer activity of indazole derivatives. The identified essential structural features/considerations may be useful for the development of prospective anticancer medicines.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».