초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

1-옥탄올/물 분배계수의 로그 값 (LogP)은 신약개발에서 가장 중요한 분자 설계 기준의 하나이다. LogP의 예측은 분자에 대한 1-옥탄올과 물 간의 용매화자유에너지의 차이로 계산될 수 있으며, 우리는 확장된 용매접촉 모델을 통한 분자의 LogP 값을 예측하는 방법을 연구하였다. 두 용매에 대한 분자의 용매화자유에너지를 얻기 위해서, 각각의 용매에 대하여 원자의 분포 및 세 종류의 원자 파라미터들에 관한 적절한 ...

1-옥탄올/물 분배계수의 로그 값 (LogP)은 신약개발에서 가장 중요한 분자 설계 기준의 하나이다. LogP의 예측은 분자에 대한 1-옥탄올과 물 간의 용매화자유에너지의 차이로 계산될 수 있으며, 우리는 확장된 용매접촉 모델을 통한 분자의 LogP 값을 예측하는 방법을 연구하였다. 두 용매에 대한 분자의 용매화자유에너지를 얻기 위해서, 각각의 용매에 대하여 원자의 분포 및 세 종류의 원자 파라미터들에 관한 적절한 내부 에너지 함수를 정의하였다. 총 123개의 원자 파라미터들이 139개의 다양한 형태와 작용기들을 갖는 유기물들로 구성된 트레이닝 셋을 사용한 표준 유전자 알고리즘으로 최적화 되었다. LogP 값은 테스트 셋에 대하여 각각 0.824와 0.742의 결정계수와 평균제곱근편차로 연관된 실험의 결과로써 상당히 잘 비교가 된 최적화된 두 개의 용매화자유에너지함수로 예측하였다. 비록 예측 정확도는 최근에 보고된 novel molecular descriptor 를 포함하고 있는 QSPR 모델과 비교했을 때 높지는 않지만, 지금 이 방법이 molecular descriptor의 계산 없이 간단한 내부 에너지 함수로부터 간단하게 계산될 수 있는 분자 LogP 값이므로 더욱 효율적인 방법이라 할 수도 있다. 또한 현재 이 예측 모델의 정확도를 향상하기 위한 방법을 논의하고 있다.

Abstract ▼ AI-Helper

The logarithm of 1-octanol/water partition coefficient (LogP) is one of the most important molecular design parameters in drug discovery. Assuming that LogP can be calculated from the difference between the solvation free energy of a molecule in water and that in 1-octanol, we propose a method for p...

The logarithm of 1-octanol/water partition coefficient (LogP) is one of the most important molecular design parameters in drug discovery. Assuming that LogP can be calculated from the difference between the solvation free energy of a molecule in water and that in 1-octanol, we propose a method for predicting the molecular LogP values based on the extended solvent-contact model. To obtain the molecular solvation free energy data for the two solvents, a proper potential energy function was defined for each solvent with respect to atomic distributions and three kinds of atomic parameters. Total 123 atomic parameters were optimized with the standard genetic algorithm using the training set consisting of 139 organic molecules with varying shapes and functional groups. The LogP values estimated with the two optimized solvation free energy functions compared reasonably well with the experimental results with the associated squared correlation coefficient and root mean square error of 0.824 and 0.742 for the test set with 39 molecules, respectively. Although the prediction accuracy seems to be moderate when compared to recently reported QSPR models involving novel molecular descriptors, the present method may be more efficient because molecular LogP values can be computed straightforwardly from the simple potential energy functions without the calculation of molecular descriptors. The methods for enhancing the accuracy of the present prediction model are also discussed.