[논문 리뷰] Quantitative Structure Property Analysis of Anti-Covid-19 Drugs

Sunilkumar M. Hosamani|arXiv (Cornell University)|2020. 08. 06.

Computational Drug Discovery Methods참고 문헌 19인용 수 6

한 줄 요약

이 연구는 정성적 구조-물리화학적 성질 관계(QSPR) 분석을 통해 고리형 지표를 사용하여 코로나19 바이러스 억제 식물성 화합물의 물리화학적 성질을 예측한다. 분자량과 고리형 극성 표면적에 대해 각각 가장 예측력 있는 기술자로 분리 연결 지표(SSI)와 첫 번째 제그레브 지표(M₁)가 도출되었으며, 이는 항코로나19 신약 개발을 가속화하기 위한 계산 기반 프레임워크를 제공한다.

ABSTRACT

Inspired by recent work on anti-covid-19 drugs \cite{2} here we study the Quantitative-structure property relationships(QSPR) of phytochemicals screened against SARS-CoV-2 $3CL^{pro}$ with the help of topological indices like the first Zagreb index $M_{1}$, second Zagreb index $M_{2}$, Randi$\acute{c}$ index $R$, Balban index $J$ and sum-connectivity index $SCI(G)$. Our study has raveled that the sum-connectivity index $(SCI)$ and the first Zagreb index $(M_{1})$ are two important parameters to predict the molecular weight and the topological polar surface area of phytochemicals respectively.

연구 동기 및 목표

• SARS-CoV-2 3CLpro 억제 식물성 화합물의 주요 물리화학적 성질과 고리형 지표 간의 정량적 구조-물리화학적 성질 관계(QSPR) 수립.
• 다섯 가지 고리형 지표(M₁, M₂, R, J, SCI)가 분자량과 고리형 극성 표면적(TPSA)을 얼마나 잘 예측할 수 있는지 평가.
• 2차원 분자 구조에서만 유래한 신뢰할 수 있는 약물 유사 성질을 추정할 수 있는 가장 강력한 분자 기술자 식별.
• 빠르고 비용 효율적인 방법을 제공하여 계산 기반 신약 설계를 지원하고, 실험적 검증을 위한 유망한 식물성 화합물 후보를 우선순위 정하기

제안 방법

• SARS-CoV-2 3CLpro에 대해 스크리닝된 20종의 식물성 화합물의 2차원 분자 구조에서 다섯 가지 고리형 지표(M₁, M₂, R, J, SCI) 계산.
• 분자량과 고리형 극성 표면적(TPSA)에 대한 실험 데이터는 Qamar 등 [14] 및 PubChem에서 확보.
• 각 고리형 지표와 분자량 및 TPSA 간의 상관관계를 분석하기 위해 선형, 이차, 로그 회귀 모델 적용.
• 모델 성능 평가에 결정계수(R²), F-통계량, p-값(S)을 사용하여 통계적 유의성과 예측 정확도 평가.
• 표준 그래프 이론 정의를 활용: 정점 차수, 간선 기여도, 거리 기반 가중치를 통한 지표 정의(예: 발반(J), 랜디크(R)).
• 다양한 회귀 형태에서의 상관행렬과 모델 적합도 통계치를 활용해 결과 검증.

실험 결과

연구 질문

• RQ1 항-SARS-CoV-2 식물성 화합물에서 분자량과 가장 강한 상관관계를 보이는 고리형 지표는 무엇인가요?
• RQ2 합성 연결 지표(SSI)는 이 화합물의 분자량을 얼마나 잘 예측할 수 있나요?
• RQ3 고리형 극성 표면적(TPSA)을 가장 잘 예측하는 고리형 지표는 무엇이며, 이는 약물 유사성의 핵심 기술자입니다.
• RQ4 다양한 회귀 모델(선형, 이차, 로그)은 고리형 기술자에서 물리화학적 성질을 예측할 때 어떻게 비교될 수 있나요?
• RQ5 첫 번째 제그레브 지표(M₁)는 TPSA 예측에 신뢰할 수 있는 예측자로 기능할 수 있으며, 이는 초기 단계의 신약 걸러내기 잠재력을 시사합니다.

주요 결과

• 합성 연결 지표(SSI)는 최적의 로그 모델(모델 50)에서 R² = 0.791을 기록하여 분자량 예측에 가장 높은 예측 능력을 보였다.
• 첫 번째 제그레브 지표(M₁)는 고리형 극성 표면적(TPSA)과 가장 강한 상관관계를 보였으며, 로그 모델(모델 61)에서 R² = 0.815를 기록하였다.
• SSI 기반 분자량 예측 모델의 F-통계량은 37.849, p-값은 0.000으로, 높은 통계적 유의성을 나타내었다.
• 발반 지표(J)는 예측 능력이 낮게, R² 값이 0.159에서 0.472 사이로 나타나 이 성질 예측에 제한된 활용 가능성을 보였다.
• 모든 지표 중에서 SSI와 M₁가 가장 신뢰할 수 있는 기술자로 규명되었으며, SSI는 분자량 예측에 가장 우수하고, M₁은 TPSA 예측에 가장 적합하였다.
• 분자량과 TPSA 예측에서 로그 및 이차 모델이 선형 모델보다 우수한 성능을 보였으며, 특히 SSI와 M₁ 기반 모델에서 두드러졌다.