QSPR анализ способности индивидуальных авермектинов к биоконцентрированию

  • О. В. Тиньков Государственное образовательное учреждение высшего профессионального образования Военный институт Министерства обороны, г. Тирасполь, Приднестровье, Молдова; Государственное образовательное учреждение Приднестровский государственный университет им. Т.Г. Шевченко, г. Тирасполь, Приднестровье, Молдова https://orcid.org/0000-0003-4702-6825
  • В. Ю. Григорьев Федеральное государственное бюджетное учреждение науки Институт физиологически активных веществ Российской академии наук, Черноголовка, Московская область, Россия https://orcid.org/0000-0002-5288-3242
  • Л. Д. Григорьева Федеральное государственное бюджетное образовательное учреждение высшего образования Московский государственный университет имени М.В. Ломоносова, Москва, Россия https://orcid.org/0000-0002-3854-0059
Ключевые слова: макролиды, BCF, молекулярные дескрипторы, машинное обучение

Аннотация

В настоящий момент распространение коронавируса представляет собой глобальную проблему для человечества. Одним из перспективных соединений для борьбы с коронавирусом SARS-CoV-2 является ивермектин – комплекс полусинтетических производных природных авермектинов, которые уже много лет эффективно используются в медицине, ветеринарии и сельском хозяйстве как противопаразитарные препараты. Также ведутся успешные исследования по использованию авермектинов в качестве противоопухолевых препаратов. Однако, несмотря на распространенность во всем мире, высокую физиологическую значимость и перспективность, до сих пор отсутствуют достоверные данные для большинства индивидуальных авермектинов по основным экотоксикологическим характеристикам, что в соответствии с действующим законодательством  Европейского союза является обязательным условием для веществ, производимых или импортируемых в количестве свыше одной тонны в течение года. С использованием интернет-платформы  «OCHEM» (https://ochem.eu) построены адекватные модели Количественной Связи Структура – Свойство (Quantitative Structure – Property Relationship, QSPR), позволившие оценить влияние структуры органических соединений на величину биоконцентрационного фактора (BCF). QSPR модели разработаны с использованием различных фрагментарных, топологических, физико-химических молекулярных дескрипторов, а также таких методов  машинного обучения как Случайный Лес (Random Forest, RF) и Ассоциативные Нейронные Сети (Associative Neural Networks, ASNN). Для количественной оценки способности индивидуальных авермектинов к биоконцентрированию была разработана консенсусная QSPR модель, находящаяся в свободном доступе в сети Интернет по адресу: https://ochem.eu/model/20673575. При сравнительном QSPR моделировании были применены молекулярные дескрипторы, в том числе фрактальные, рассчитанные с помощью программы HYBOT. Разработанные модели обладают сопоставимой предсказательной способностью и могут быть полезны при определении стратегии синтеза, испытаний новых лекарственных средств на основе индивидуальных авермектинов, в том числе при селекции соединений – лидеров, ингибирующих репликацию SARS-CoV-2. При проведении структурной интерпретация методом молекулярных пар определены наиболее часто встречающиеся молекулярные трансформации, повышающие и понижающие биоконцентрационный фактор, что может быть учтено при рациональном молекулярном дизайне новых физиологически активных соединений.

Литература

Caly, L., Druce, J.D., Catton, M.G., Jans, D.A., & Wagstaff, K.M. (2020). The FDA-approved drug ivermectin inhibits the replication of SARS-CoV-2 in vitro. Antiviral Res., 178, 104787. https://doi.org/10.1016/j.antiviral.2020.104787

Wagstaff, K.M., Sivakumaran, H., Heaton, S.M., Harrich, D., & Jans, D.A. (2012). Ivermectin is a specific inhibitor of importin α/β-mediated nuclear import able to inhibit replication of HIV-1 and dengue virus. Biochem. J., 443(3), 851 - 856. https://doi.org/10.1042/BJ20120150

Prichard, R., Ménez, C., & Lespine, A. (2012). Moxidectin and the avermectins: Consanguinity but not identity. Int. J. Parasitol. Drugs & Drug Resist., 2, 134 - 153. https://doi.org/10.1016/j.ijpddr.2012.04.001

The Nobel Prize in Physiology or Medicine 2015. https://www.nobelprize.org/prizes/medicine/2015/summary/ (accessed 28.09.2020).

Juarez, M., Schcolnik-Cabrera, A., & Dueñas-Gonzalez, A. (2018). The multitargeted drug ivermectin: from an antiparasitic agent to a repositioned cancer drug. Am. J. Cancer Res., 8(2), 317 - 331.

Regulation (EC) No 1907/2006 of the European Parliament and of the Council of 18 December 2006 concerning the Registration, Evaluation, Authorisation and Restriction of Chemicals (REACH). https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX%3A02006R1907-20140410 (accessed 28.09.2020)

Bai, S.H., & Ogbourne, S. (2016). Eco-toxicological effects of the avermectin family with a focus on abamectin and ivermectin. Chemosphere, 154, 204 - 214. https://doi.org/10.1016/j.chemosphere.2016.03.113

Piir, G., Kahn, I., García-Sosa, A.T., Sild, S., Ahte, P., & Maran, U. (2018). Best practices for QSAR model reporting: physical and chemical properties, ecotoxicity, environmental fate, human health, and toxicokinetics endpoints. Environ. Health Perspect., 126(12), 126001. https://doi.org/10.1289/EHP3264

Roy, K. (2020). Ecotoxicological QSARs. Methods in Pharmacology and Toxicology. New York: Springer US. P. 27. https://doi.org/10.1007/978-1-0716-0150-1

Muratov, E.N., Bajorath, J., Sheridan, R.P., Tetko, I.V., Filimonov, D., Poroikov, V., Oprea, T. I., Baskin, I.I., Varnek, A., Roitberg, A., Isayev, O., Curtarolo, S., Fourches, D., Cohen, Y., Aspuru-Guzik, A., Winkler, D.A., Agrafiotis, D., Cherkasov, A., & Tropsha, A. (2020). QSAR without borders. Chem. Soc. Rev., 49(11), 3525 - 3564. https://doi.org/10.1039/d0cs00098a

User’s Guide for T.E.S.T. (version 4.2). https://www.epa.gov/chemical-research/users-guide-test-version-42-toxicity-estimation-software-tool-program-estimate (accessed 28.09.2020).

CompTox Chemistry Dashboard. https://comptox.epa.gov/dashboard (accessed 28.09.2020).

Lunghini, F., Marcou, G., Azam, P., Patoux, R., Enrici, M. H., Bonachera, F., Horvath, D., & Varnek, A. (2019). QSPR models for bioconcentration factor (BCF): are they able to predict data of industrial interest? SAR QSAR Environ Res., 30(7), 507 - 524. https://doi.org/10.1080/1062936X.2019.1626278

Web-based platform OCHEM. OCHEM user's manual http://docs.ochem.eu/display/MAN/OCHEM+Introduction (accessed 28.09.2020).

Todeschini, R., & Consonni V. (2000). Handbook of Molecular Descriptors. Weinheim: Wiley-VCH, 389 р.

Simplex representation of molecular structure - a chemoinformatic tool for calculation of simplex (fragment) descriptors. Available from: https://github.com/DrrDom/sirms (accessed 25.09.2020).

Masand, V.H., & Rastija V. (2017). PyDescriptor: A new PyMOL plugin for calculating thousands of easily understandable molecular descriptors. Chemometrics and Intelligent Laboratory Systems, 169, 12 - 18. https://doi.org/10.1016/j.chemolab.2017.08.003

rdkit.Chem.Descriptors module. http://rdkit.org/docs/source/rdkit.Chem.Descriptors.html (accessed 25.09.2020).

alvaDesc KNIME Plugin – tool for calculates alvaDesc molecular descriptors; software available at https://www.alvascience.com/knime-alvadesc/ (accessed 25.09.2020).

Breiman, L. RRforest software. http://www.stat.berkeley.edu/~breiman/RandomForests/reg_examples/RFR (accessed 28.09.2020).

Tetko, I.V. (2008). Associative neural network. Methods Mol. Biol., 458, 185 - 202. https://doi.org/10.1007/978-1-60327-101-1_10

Raevsky, O.A., Grigorev, V.Yu., Kireev, D.B., & Zefirov, N.S. (1992).Complete thermodynamic description of H-bonding in the framework of multiplicative approach. Quant. Struct.-Act. Relat., 11(1), 49 - 63. https://doi.org/10.1002/qsar.19920110109

Grigorev, V.Yu., & Grigoreva, L.D. (2016). Calculation and properties of fractal descriptors for C2-C9 alkanes. Moscow Univ. Chem. Bull., 71(3), 199 - 204. https://doi.org/10.3103/S0027131416030056

Meylan, W.M., Howard, P.H., Boethling, R.S., Aronson, D., Printup, H., & Gouchie, S. (1999). Improved method for estimating bioconcentration/bioaccumulation factor from octanol/water partition coefficient. Environ. Toxicol. Chem., 18, 664 - 672. https://doi.org/10.1002/etc.5620180412

Опубликован
2020-12-26
Как цитировать
Тиньков, О. В., Григорьев, В. Ю., & Григорьева, Л. Д. (2020). QSPR анализ способности индивидуальных авермектинов к биоконцентрированию. Химическая безопасность, 4(2), 8 - 23. https://doi.org/10.25514/CHS.2020.2.18001
Раздел
Оценка и моделирование риска химической опасности