Монография под редакцией А. Л. Хохлова, Н. В. Пятигорской Отделение медицинских наук ббк 2. П86

зуется российскими учеными, аспирантами и студентами с целью отбора 
наиболее перспективных соединений для органического синтеза и опреде-
ления оптимальных направлений тестирования их биологической активно-
сти [418, 448, 500]. 
Мы провели несколько компьютерных экспериментов по сравнению 
предсказательной способности PASS Online с другими, свободно-доступ-
ными через Интернет, веб-ресурсами. 
В 2008 году отличных от PASS веб-ресурсов в Интернете, прогнозиру-
ющих спектры биологической активности веществ, не было обнаружено; 
поэтому для сравнения качества прогноза мы сопоставили между собой ре-
зультаты оценки некоторых других характеристик с применением различ-
ных методов [298]. Наилучшее согласие между результатами прогноза было 
получено для величины коэффициента распределения «н-октанол–вода» log 
P (для семи методов коэффициенты корреляции R варьировали от 0. 65 до 0. 
90); менее согласованные между собой результаты были получены для про-
гноза растворимости в воде (R = 0. 01 – 0. 73 для четырех методов) и пара-
метра «drug-likeness» (R = 0. 19 – 0. 73 для трех методов). Качество прогноза 
PASS было оценено на основе анализа независимых от авторов программы 
публикаций: было найдено 15 работ, в которых результаты прогноза были 
подтверждены в эксперименте для веществ, принадлежащих к различным 
химическим классам, и разнообразных видов биологической активности. 
В 2016 году для веществ из тестовой выборки лекарственных препара-
тов, разрешенных к медицинскому применению в 2014 г., были проведе-
ны оценки качества прогноза с использованием четырех веб-ресурсов [53]. 
Оказалось, что значения чувствительности S для четырех рассмотренных 
методов убывают в следующем порядке: PASS > SuperPred > DRAR-CPI 
> SwissTargetPrediction (S = 0,95; 0,53; 0,41; 0,37). На основе полученных 
результатов мы пришли к выводу о преимуществе реализованных в PASS 
дескрипторов MNA и алгоритма классификации, по сравнению с использу-
емыми в SuperPred и SwissTargetPrediction методах оценки по сходству или 
поиску ассоциаций на основе молекулярного докинга в DRAR-CPI. 
В 2017 году было сопоставлено качество прогноза исходных и репози-
ционированных фармакотерапевтических эффектов с использованием ше-
сти доступных в Интернете веб-ресурсов (ChemProt, PASS, SEA, SuperPred, 
SwissTargetPrediction, TargetHunter) с использованием двух тестовых выбо-
рок: 50 репозиционированных лекарств и 12 препаратов, недавно запатен-
тованных по новому назначению [416]. Для первой выборки значения чув-
ствительности варьировали от 0,64 (TarPred) до 1,00 (PASS) для исходных 
показаний, и от 0,64 (TarPred) до 0,98 (PASS) для репозиционированных по-
казаний. Для второй выборки - от 0,08 (SuperPred) до 1,00 (PASS) для исход-
ных показаний, и от 0,00 (SuperPred) до 1,00 (PASS) для репозиционирован-
ных показаний. Таким образом был сделан вывод о «самодостаточности» 
прогноза PASS и отсутствии необходимости консенсусных прогнозов на ос-
нове комбинирования результатов PASS и каких-либо других веб-ресурсов. 

жүктеу/скачать 3,82 Mb.

Достарыңызбен бөлісу: