Algoritmy pro predikci pKa na základě parciálních nábojů atomů

Mgr. Filip Dinh

Bakalářská práce

Algorithms for prediction of pKa from parcial atomic charges

Anotace:

Molekuly jsou základní stavební kameny všech látek. Jejich vlastnosti hrají, mimo jiné, důležitou roli při vybírání vhodných molekul pro výrobu léků. Jednou z takových vlastností je schopnost odštěpit kyselý vodík, která je popsána disociační konstantou (pKa). Změřit ji experimentálně je však velmi obtížné a zdlouhavé. Vhodnější metodou pro získání hodnot pKa je jejich výpočet neboli predikce. Na tuto problematiku jsem se také zaměřil v rámci své práce. Konkrétně jsem navrhnul a implementoval algoritmy, které sestaví QSPR model za pomoci sady 3D struktur molekul, jejich již známých hodnot pKa a parciálních nábojů pro každý atom. Tento model dále parametrizují pomocí vícerozměrné lineární regrese a vypočtené parametry jsou pak využity pro predikci pKa. Přesnost výsledků je popsána kritérii kvality (Pearsonův korelační koeficient, RMSD, průměrná odchylka). Celou aplikaci jsem otestoval na několika sadách reálných molekul (aniliny, benzoové kyseliny, fenoly) a výsledky ukazují, že predikce pKa je velmi přesná.

Abstract:

Molecules are basic building blocks of all substances. Their properties play, among other things, an important role at selecting appropriate molecules for production of drugs. One of such properties is ability to secede acid hydrogen, which is described by a dissociation constant (pKa). But experimental measuring of pKa is very difficult and time-consuming. Better method for obtaining pKa values is their calculation or prediction. I focused on this issue in my work. Specifically I designed and implemented algorithms, which assemble a QSPR model using a set of 3D structures of molecules, their already known pKa values and partial charges for each atom. Further they parameterize this model using multiple linear regression and calculated parameters are then used for prediction of pKa. Precision of results is described by quality criteria (Pearson correlation coefficient, RMSD, mean deviation). I tested the application on several sets of real molecules (anilines, benzoic acids, phenols) and the results show that the prediction of pKa is very accurate.

Klíčová slova

Disociační konstanta, pKa, parciální náboje atomů, deskriptory, aniliny, fenoly, benzoové kyseliny, QSPR, vícerozměrná lineární regrese, parametrizace, kritéria kvality

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 21. 5. 2012

Obhajoba závěrečné práce

• Obhajoba proběhla 20. 6. 2012
• Vedoucí: doc. RNDr. Radka Svobodová Vařeková, Ph.D.
• Oponent: RNDr. Ondřej Skřehota

Masarykova univerzita

Fakulta informatiky

Bakalářský studijní program / obor:
Aplikovaná informatika / Aplikovaná informatika