药物代谢与毒理学杂志
开放获取

抽象的

基于无代码免费软件的准确、快速且易于理解的密度功能紧结合和机器学习 QSAR，用于酚类化合物的 DPPH 和 ABTS 抗氧化活性

安德烈斯·哈拉比、米拉雷·埃尔南德斯和汉斯·莱内斯2

在这项研究中，我们开发了 1,​​1-二苯基-2-三硝苯肼 (DPPH) 和 2,2-联氮基-双-3-乙基苯并噻唑啉-6-磺酸 (ABTS) 的各种定量构效关系 (QSAR) 模型基于密度泛函紧结合 (DFTB) GFN1-xľB 计算的概念 DFT 描述符的 55 种酚类抗氧化剂的实验值。机器学习算法用于特征选择和回归分析，留一交叉验证用于多元线性回归（MLR）和序贯最小优化回归（SMOreg）。对于 ABTS 活性，获得两个模型，相关系数分别为 0.94 (MLR) 和 0.92 (SMOreg)。对于 DPPH 活性，获得两个模型，相关系数分别为 0.93 (MLR) 和 0.91 (SMOreg)。分子中酚基的数量，最活跃的酚氧的键解离焓和自由基福井足以正确预测酚的自由基清除活性（RSA）。两种开发的 QSAR 模型都是根据经济合作与发展组织 (OECD) 关于 QSAR 模型的建议进行的。考虑到抗氧化活性在医学、制药和食品工业中的重要性，本研究提出了一种非常有价值且廉价的方法。它也非常容易理解，因为我们只需要三个与物质的已知化学直接相关的描述符。两种开发的 QSAR 模型都是根据经济合作与发展组织 (OECD) 关于 QSAR 模型的建议进行的。考虑到抗氧化活性在医学、制药和食品工业中的重要性，本研究提出了一种非常有价值且廉价的方法。它也非常容易理解，因为我们只需要三个与物质的已知化学直接相关的描述符。两种开发的 QSAR 模型都是根据经济合作与发展组织 (OECD) 关于 QSAR 模型的建议进行的。考虑到抗氧化活性在医学、制药和食品工业中的重要性，本研究提出了一种非常有价值且廉价的方法。它也非常容易理解，因为我们只需要三个与物质的已知化学直接相关的描述符。