Sử dụng phương pháp máy vector hỗ trợ trong dự đoán hoạt tính kháng sốt rét một số dẫn chất chalcon

Đề tài nghiên cứu này được thực hiện với mong muốn xây dựng mô hình dự đoán hoạt tính kháng sốt rét của một số dẫn chất chalcon nhằm thiết kế những công thức có hoạt tính tốt. Mời các bạn cùng tham khảo bài viết để nắm rõ nội dung chi tiết của đề tài nghiên cứu này.

SỬ DỤNG PHƯƠNG PHÁP MÁY VECTOR HỖ TRỢ TRONG DỰ ĐỐN HOẠT TÍNH KHÁNG SỐT RÉT MỘT SỐ DẪN CHẤT CHALCON Thái Khắc Minh*, Trần Thành Đạo*, Đặng Trường Luân*, Nguyễn Đắc Chí* TĨM TẮT Mở đầu: Cơng bố tổ chức y tế giới WHO 2008 ước tính có khoảng 247 triệu ca sốt rét số 3,3 tỉ người nằm vùng nguy bệnh sốt rét gây gần triệu ca tử vong, hầu hết trẻ em tuổi Nhu cầu cấp thiết tìm thuốc cho phòng chống sốt rét chiến lược chống sốt rét toàn cầu Ngày có nhiều nghiên cứu lĩnh vực hóa dược cơng bố dẫn chất có khả tác dụng tốt chủng P falciparum đề kháng thuốc mục tiêu phát triển thuốc Mục tiêu: Xây dựng mơ hình dự đốn hoạt tính kháng sốt rét số dẫn chất chalcon nhằm thiết kế cơng thức có hoạt tính tốt Phương pháp: Phương pháp máy vector hỗ trợ SVM hồi qui (support vector machine regression) sử dụng để xây dựng mơ hình 67 dẫn chất chalcon với hoạt tính kháng sốt rét Kết quả: Mơ hình SVM xây dựng dựa tập hợp gồm 67 dẫn chất chalcon cho hệ số tương quan r2 giá trị thực nghiệm giá trị dự đoán nằm khoảng 0,61-0,70, SE = 0,13-0,14 r2 tập kiểm tra đánh giá chéo 5-lần-cắt-20% = 0,57 Mơ hình SVM với r2 = 0,68 SE =0,13 sử dụng để dự đoán hoạt tính kháng sốt rét chủng P falciparum đề kháng cloroquin 18 dẫn chất 2’-hydroxychalcon tổng hợp Mối quan hệ cấu trúc tác dụng kháng sốt rét dự đoán dẫn chất 2’-hydroxychalcon phân tích khẳng định vai trò nhóm methoxy vị trí vòng B Kết luận: Mơ hình SVM xây dựng sử dụng để dự đốn hoạt tính kháng sốt rét dẫn chất chalcon ứng dụng mơ hình tiết kiệm chi phí thử nghiệm hạn chế tổng hợp dẫn chất có tác dụng Kết sử dụng định hướng thiết kế tổng hợp phân tử chalcon có hoạt tính kháng sốt rét mạnh Từ khóa: Thiết kế thuốc, máy vector hỗ trợ, SVM, sốt rét, hồi qui, chalcon, Plasmodium falciparum ABSTRACT SUPPORT VECTOR MACHINE BASED PREDICTION MODEL FOR ANTIMALARIAL ACTIVITY OF CHALCONE DERIVATIVES Khac Minh Thai, Thanh Dao Tran, Dang Truong Luan, Nguyen Dac Chi * Y Hoc TP Ho Chi Minh * Vol 14 - Supplement of No - 2010: 15 – 22 Background: Malaria has been one of the most important diseases of the developing world, killing about million people and causing disease in 247 million people annually based on WHO World Malaria Report 2008 It affects many tropical and subtropical regions of the world The increasing resistance of Plasmodium spp to existing therapies has heightened alarms about malaria in the international health community Nowadays, there is a pressing need for identifying and developing new drug-based antimalarial therapies Objective: The aim of this study is the development of a relevant computational model to predict antimalarial activity of chalcone derivatives This model could be applied to screen and design new antimalarial drugs * Bộ mơn Hóa Dược – Khoa Dược - Đại học Y Dược Thành phố Hồ Chí Minh Địa liên hệ: TS Thái Khắc Minh ĐT: 0909 680 385 Email: thaikhacminh@gmail.com 1Chuyên Đề Dược – YTCC – RHM – YHCT Method: In this study, non-linear support vector machine (SVM) regression approach was applied on sixty seven chalcone analogues with in vitro antimalarial activities Results: The SVM model was obtained with regression coefficient r2 in range 0.61-0.70, SE = 0.13-0.14 for training set and r2 5-fold-leave-20%-out = 0.57 for test set The best model with r2 = 0.68 and SE =0.13 was used to predict the cloroquine-resistant P falciparum inhibitory activity of 18 new synthesized 2’-hydroxychalcone derivatives The relationship between chemical structure of 2’-hydroxychalcone series and antimalarial property was analysed and it is stress out the important role of 4-methoxy group at B-ring Conclusion: The SVM model could be applied to predict antimalarial activity of new chalcone compounds and it may be used as an in silico tool to design and develop the new potent antimalarial novels Key words: Drug design, Support vector machine, SVM, malaria, regression, chalcone, Plasmodium falciparum chăm sóc thuốc men đầy đủ (1) Nguyên nhân có ĐẶT VẤN ĐỀ thể (i) mạng lưới chăm sóc y tế chưa Công bố tổ chức y tế giới WHO 2008 rộng rãi tới vùng hẻo lánh, (ii) tình trạng đa (1) ước tính có khoảng 247 triệu ca sốt rét đề kháng thuốc ngày lan rộng, (iii) thu số 3.3 tỉ người nằm vùng nguy bệnh nhập thấp quốc gia nghèo dẫn đến sốt rét gây gần triệu ca tử vong, hầu hết việc chăm sóc thuốc men trở nên khả trẻ em tuổi Tổng cộng 109 quốc gia nằm năng… Những tổn thất kí sinh trùng sốt rét vùng dịch tể sốt rét tính tới năm 2008, gây tăng theo năm, đặc biệt có 45 quốc gia thuộc khu vực châu phi quốc gia nghèo đói Tình trạng đề kháng Tình trạng đề kháng thuốc ngày gia thuốc ký sinh trùng sốt rét P falciparum tăng diện rộng, khiến cho việc kiểm soát ngày gia tăng diện rộng (1) Thực tiễn dịch sốt rét ngày trở nên khó khăn, đặc biệt đòi hỏi giới phải có chiến lược hiệu các quốc gia nghèo đói thuộc khu vực dài hạn chiến chống lại bệnh sốt châu phi (1) “Nguyên tắc vàng” điều trị rét toàn cầu (13), việc nghiên cứu sốt rét trước chloroquin, với tìm thuốc có hiệu thuốc kháng folat đời sau đó, dòng Plasmodium đề kháng nhu cầu cấp bách nhạy cảm cho vài khu vực (4) Đa số nhằm tìm giải pháp điều trị với tiêu chí: vùng lại phải dùng chiến lược điều trị kết hiệu quả, an tồn, độc tính thấp, giá rẻ để hợp thuốc Sự kết hợp công cụ phương cá nhân nằm vùng nguy sốt rét pháp chiến chống lại bệnh sốt rét chăm sóc (4, 13) Trong nghiên cứu này, bao gồm phát triển ý thức cộng đồng, thuật toán máy vector hỗ trợ SVM hồi qui phun thuốc diệt muỗi có tác dụng dài liệu (support vector machine) sử dụng để xây pháp kết hợp thuốc dựa tảng dựng mơ hình dự đốn hoạt tính kháng sốt rét artemisinin Cho tới có trường hợp báo 67 dẫn chất chalcon (Hình 1) Thơng tin cáo tình trạng đề kháng ký sinh trùng sốt mối liên hệ cấu trúc – tác dụng kháng sốt rét với artemisinin, điểm hạn chế lớn rét dẫn chất có từ mơ hình SVM giải pháp thời gian bán thải hồi qui khả dự đốn mơ artemisinin dẫn chất ngắn Hiện nay, hình ứng dụng định hướng nghiên artemisinin dùng để cắt chiến lược cứu tổng hợp hoạt chất phát triển điều trị sốt rét phối hợp artemisinin với thành thuốc kháng sốt rét thuốc khác có tác dụng dài chìa khóa điều trị sốt rét (12, 13) Tuy nhiên, khoảng 25% số người mắc bệnh sốt rét Chuyên Đề Dược – YTCC – RHM – YHCT O R R ' vòng A v òng B Hình Cấu trúc hóa học dẫn chất chalcon ĐỐI TƯỢNG - PHƯƠNG PHÁP NGHIÊN CỨU Qui trình xây dựng mơ hình máy vector hỗ trợ SVM hồi qui Mơ hình SVM hồi qui dự đốn hoạt tính kháng sốt rét tiến hành theo bước trình bày hình sinh học IC50 quy đổi thành giá trị pIC50 = log(IC50) sử dụng nghiên cứu Thông số mô tả phân tử Thông số mô tả phân tử thơng số mơ tả tính chất chất có ảnh hưởng tới tác dụng sinh học, bao gồm tính chất lý, hóa Cấu trúc 2D dẫn chất xây dựng tính tốn thơng số mơ tả phân tử phần mềm Dragon® (2) phiên Evaluation 5.5 Tổng số 2032 thông số mô tả phân tử 2D thuộc 11 nhóm tính tốn Lựa chọn thơng số mơ tả phân tử Để loại bỏ thông số không quan trọng lựa chọn thông số tốt cho xây dưng mơ hình, số phương pháp thuật tốn áp dụng, bao gồm q trình loại thơng số mơ tả thơ q trình lựa chọn thơng số thích hợp sau cho mơ hình (5, 14) Một vài qui tắc cho việc loại thô ban đầu bao gồm: (i) thơng số có ≥ 80% giá trị = 0; (ii) thơng số có độ lệch chuẩn ≤ 0,5; (iii) thơng số có tương quan với giá trị pIC50 ≤ 0,07 Các thông số lại phân chia tỷ lệ giá trị khoảng (01) phương pháp chuẩn hóa cực tiểu – cực đại.11 Công thức cụ thể sau theo công thức:  V − MIN0  Vn =   × (MAXn − MINn ) + MINn  MAX0 − MIN0  Với : Hình Qui trình xây dựng mơ hình máy vector hỗ trợ SVM hồi qui Cơ sở liệu Cấu trúc 93 dẫn chất chalcon (8) thu thập dựa vài tiêu chí chung như: (i) cấu trúc có triển vọng, (ii) giá trị IC50 in vitro có từ phương pháp đo độ hấp thu 3Hhypoxanthin (3, 8), (iii) giá trị hoạt tính sinh học xác định chủng P falciparum K1 đề kháng chloroquin (CQ), (iv) cấu trúc có xương sống mơ hình tiến hành Nghiên cứu tiến hành 93 dẫn chất chalcon vớikhung cấu trúc nghiên cứu trình bày hình (8) Giá trị hoạt tính 3Chuyên Đề Dược – YTCC – RHM – YHCT Vn: giá trị V0: giá trị MAX0, MIN0: giá trị lớn nhỏ dãy giá trị MAXn, MINn: giá trị lớn nhỏ khoảng giá trị cần qui đổi Các thông số sau phân chia tỷ lệ áp dụng vào thuật toán “rừng ngẫu nhiên RF” gói Fselector R với hàm “tầm quan trọng rừng ngẫu nhiên” (“random.forest.importance”) để chọn lọc thông số mô tả đặc trưng cho hoạt tính sinh học (10, 11) Hàm “cắt xén k” (“cutoff.k”) gói Fselector hỗ trợ để cắt “k” thơng số đánh giá có liên quan với giá trị tham chiếu giá trị pIC50, Giá trị “k” xác định phù hợp (11) Phân tích thành phần Các thông số sử dụng để xây dựng mơ hình SVM hồi quy phi tuyến tính tồn sở liệu cho kết r2 thấp Để xây dựng mơ hình có khả mơ tả hoạt tính sinh học thông số mô tả phân tử loại bỏ chất gây nhiễu ảnh hưởng đến kết mơ hình, thuật tốn phân tích thành phần (principal component analysis - PCA) sử dụng Trong nghiên cứu này, thuật tốn phân tích thành phần khơng tuyến tính (nonlinear principal component analysis - NLPCA) dựa lý thuyết mạng thần kinh gói pcaMethod R sử dụng (7) Máy vector hỗ trợ hồi qui phi tuyến tính độ mặt phẳng hồi quy tham số C γ qui định bề mặt mặt phẳng hồi quy Sự thay đổi giá trị tham số ảnh hưởng lớn tới kết dự đốn Hàm “tune.svm” (gói e1071) sử dụng để dò tìm giá trị tham số tối ưu cho mơ hình phương pháp đánh giá chéo k nhóm (k-folds cross validation)(11) Trong đánh giá chéo, liệu chia làm k nhóm, nhóm dùng để thử, (k-1) nhóm lại dùng để huấn luyện Hàm “svm” “predict” (gói e1071) dùng để huấn luyện dự đốn cho mơ hình SVM hồi qui phi tuyến tính Đánh giá mơ hình Sau huấn luyện dự đốn hoạt tính sinh học mơ hình SVM hồi qui phi tuyến tính, giá trị pIC50 dự đoán chất nghiên cứu xử lý hàm “lm” R (hàm hồi qui tuyến tính đơn giản) để đánh giá mức độ tương quan giá trị dự đoán giá trị thực nghiệm (10, 11) Các tiêu chí đánh giá bao gồm: (i) hệ số tương quan pearson r, (ii) sai số chuẩn (SE), (iii) trị số P, (iv) hệ số xác định bội r2 Tính tốn máy vector hỗ trợ SVM nhóm phương pháp học có giám sát dùng phân loại hay phương trình hồi quy (6, 7, 9, 11) Trong nghiên cứu này, gói e1071 mơi trường R sử dụng (7, 11) Máy vector KẾT QUẢ VÀ BÀN LU ẬN hỗ trợ SVM gói e1071 bao gồm hai chức phân loại hồi qui (7) SVM hồi Lựa chọn thông số mơ tả phân tử qui gói e1071 bao gồm thuật tốn cho Sau tiến hành loại thơ ban đầu, tổng cộng xây dựng mơ hình hồi qui hồi qui epsilon (ε65 thông số đáp ứng điều kiện áp dụng regression) hồi qui nu (nu-regression) Trong vào thuật toán “rừng ngẫu nhiên RF” gói hồi qui epsilon dùng để xây dựng mơ hình FSelector với hàm “tầm quan trọng rừng ngẫu hồi qui cho liệu phi tuyến tính thuật tốn nhiên” (“random.forest.importance”) Từ kết sử dụng nghiên cứu Khi tiến FSelector, nhóm thơng số lựa chọn hành xây dựng mơ hình máy vector hỗ trợ hồi để xây dựng mơ hình có giá trị đóng góp vào quy phi tuyến tính (7, 9) tham số quan giá trị hoạt tính sinh học pIC50 cao nhóm trọng cần xác định tham số ε (tham số thông số trình bày bảng hàm tổn thất ε-insensitive) tham số hàm nhân Kernel RBF (C, γ) Tham số ε qui định biên Bảng Nhóm thơng số mô tả lựa chọn từ FSelector dùng để xây dựng mơ hình Tên ESpm15u ESpm14r ESpm15r EEig14x VRD1 EEig09x BAC Định nghĩa Moment phổ 15 từ mạng đỉnh gần kề Moment phổ 14 từ mạng đỉnh gần kề điều chỉnh tích phân cộng hưởng Moment phổ 15 từ mạng đỉnh gần kề điều chỉnh tích phân cộng hưởng Giá trị riêng 14 từ mạng đỉnh gần kề hiệu chỉnh mức độ đỉnh Chỉ số dựa vào vector riêng loại ngẫu nhiên mạng khoảng cách Giá trị riêng 09 từ mạng đỉnh gần kề hiệu chỉnh mức độ đỉnh Chỉ số balaban trung tâm Chuyên Đề Dược – YTCC – RHM – YHCT Lớp mô tả Chỉ số đỉnh liền kề Chỉ số đỉnh liền kề Chỉ số đỉnh liền kề Chỉ số đỉnh liền kề Chỉ số dựa vào giá trị riêng Chỉ số đỉnh liền kề Thơng số hình học topo Y Học TP Hồ Chí Minh * Tập 14 * Phụ Số * 2010 Phân tích thành phần NL-PCA thực sở liệu 93 chất với số thành phần (number of components = 2) Trong phân tích PCA này, 68% giá trị hoạt tính sinh học giải thích dựa vào thành phần xây dựng từ thơng số mơ tả Hình biểu diễn phân bố dẫn chất dựa mặt phẳng tạo PC phân tích PCA Kết phân tích cho thấy có 26 chất nằm ngồi yếu tố gây nhiễu cho sở liệu Do đó, 26 chất loại bỏ khỏi sở liệu 67 chất lại sử dụng xây dựng mơ hình máy vector hỗ trợ SVM hồi quy Hình Sự phân bố 93 dẫn chất chalcon dựa mặt phẳng tạo PC phân tích NLPCA Các chất đánh dấu hình elip nhỏ: liệu gây nhiễu loại bỏ Phân chia liệu Nghiên cứu Y học SVM hồi quy tiến hành tập liệu toàn 67 chất Chọn lựa tham số tối ưu Hàm “tune.svm” (gói e1071) sử dụng để lựa chọn tham số tối ưu cho máy vector hỗ trợ hồi quy phi tuyến tính tồn sở liệu (6, 7, 11) Kết giống cho lần tiến hành lặp lại sử dụng tham số tối ưu thu C = 1(trong khoảng dò 10(0 : 3)) , γ = (trong khoảng dò 10(-6 : 0)), ε = 0,1 (cố định) Sử dụng thông số tối ưu cho kết sai số trung bình mơ hình = 0,034 với đánh giá chéo k=10 nhóm phân chia Mơ hình máy vector hỗ trợ hồi quy phi tuyến tính dẫn chất chalcon SVM hồi quy phi tuyến tính với tham số tối ưu phân tích tập hợp huấn luyện (gồm 52 dẫn chất chalcon) tương ứng với mô hình thứ cấp A-E kết trung bình ứng với đánh giá chéo 5-lần-cắt-20% Như trình bày Bảng 3, mơ hình cho kết r2 đánh giá chéo 5-lần-cắt-20% 0,66 sai số chuẩn 0,13 Đối với tập hợp kiểm tra tương ứng, mơ hình A-E cho giá trị r2 = 0,57 SE=0,15 Đồng thời, mơ hình F xây dựng phương pháp SVM hồi quy phi tuyến tính tồn sở liệu gồm 67 dẫn chất chalcon kết trình bày Bảng Mơ hình F cho kết r2 = 0,68, SE = 0,13, trị số P = 2.2 x 10-16 kết giống lần huấn luyện lặp lại Giá trị r2 = 0,68 mơ hình F tương đương với giá trị mơ hình đánh giá chéo 5-lần-cắt-20% Đường thẳng tuyến tính giá trị thực nghiệm giá trị dự đốn mơ hình thứ cấp E mơ hình F tồn với liệu tồn trình bày Hình Tập liệu gồm 67 dẫn chất chalcon có từ phân tích NL-PCA phân chia ngẫu nhiên lần theo tỷ lệ 4:1 (tập huấn luyện : tập kiểm tra) hàm sample R (11) Kết tạo tập hợp huấn luyện có 52 chất tập hợp kiểm tra gồm 15 chất Phương pháp máy vector hỗ trợ hồi quy phi tuyến tính tiến hành tập huấn luyện có từ phân chia ngẫu nhiên Kết trung bình từ mơ hình tương ứng với trình đánh giá chéo 5lần-cắt-20% (5-time Leave-20%-out) Đồng thời Bảng Kết SVM hồi quy phi tuyến tính mơ hình thứ cấp A-E mơ hình F với tồn sở liệu Tiêu chí đánh giá Mơ hình A-E Tập huấn luyện r Sai số chuẩn SE Trị số P a a 0,66 a 0,13 -12 1.57 x 10 Tập kiểm tra 0,57 0,15 0,001 Mơ hình F với toàn 67 dẫn chất chalcon 0,68 0,13 -16 2.2x10 đánh giá chéo 5-lần-cắt-20% Chuyên Đề Dược – YTCC – RHM – YHCT Y Học TP Hồ Chí Minh * Tập 14 * Phụ Số * 2010 Nghiên cứu Y học (b) (a) Hình Đường hồi quy tuyến tính giá trị thực nghiệm giá trị dự đốn mơ hình thứ cấp E (a) mơ hình F xây dựng từ tồn 67 dẫn chất chalcon (b) chất 2’-hydroxychalcon tổng hợp Bàn luận mơ hình dẫn chất chalcon nhóm nghiên cứu TS Trần Thành Đạo, Bộ mơn Kết mối tương quan giá trị pIC50 dự Hóa Dược, Đại học Y Dược Thành phố Hồ Chí đoán thực nghiệm dẫn chất chalcon Minh (14) Nhóm 18 dẫn chất chalcon có cấu tóm tắt Bảng cho thấy giá trị trị số P trúc hố học khác với nhóm dẫn chất chalcon có tất lần phân tích > -SCH3 Halogen, -CH3, - OCF3, Ph, OBn: tương tự Hydro Hình Mối quan hệ cấu trúc tác dụng kháng sốt rét dự đoán dẫn chất 2’-hydroxychalcon KẾT LUẬN Trong nghiên cứu này, phương pháp máy vector hỗ trợ SVM áp dụng để xây dựng phương trình hồi qui tập hợp liệu tuyến tính Kết xây dựng mơ hình SVM hồi qui phi tuyến tính tập hợp gồm 67 dẫn chất chalcon Mơ hình thu có hệ số tương quan r2 giá trị thực nghiệm giá trị dự đoán nằm khoảng 0,61-0,70, SE = 0,13-0,14 r2 tập thử nghiệm đánh giá chéo 5-lần-cắt-20% = 0,57 Mơ hình dẫn chất chalcon với r2 = 0,68 SE =0,13 sử dụng để dự đốn hoạt tính kháng sốt rét chủng P falciparum đề kháng CQ 18 dẫn chất 2’-hydroxychalcon tổng hợp Mối quan hệ cấu trúc tác dụng kháng sốt rét dự đoán dẫn chất 2’-hydroxychalcon phân tích khẳng định vai trò nhóm methoxy vị trí vòng B Kết sử dụng định hướng thiết kế tổng hợp phân tử chalcon có hoạt tính kháng sốt rét mạnh TÀI LIỆU THAM KHẢO Aregawi, M.; Cibulskis, R.; Otten, M.; William, R.; Dye, C (2008) World Malaria Report 2008, World Health Organization, pp 1-215 WHO Press, Geneva Dragon® (2009): The sofltware for calculating molecular descriptors, www.talete.mi.it/ Fattorusso, C.; Campiani, G.; Catalanoti, B.; Prsico, M.; Basillico, N.; Parapini, S.; Tarameli, D.; Campadnuolo, C.; Fattorusso, E.; Romano, A.; Scafatti, O.T (2006) Endoperoxide derivatives from manne organism : 1,2-dioxans of the plakertin family as novel antimalatial agents J Med Chem., 49:7088-7094 8Chuyên Đề Dược – YTCC – RHM – YHCT 10 11 12 13 14 15 Fidock, D.A.; Rosenthal, P.J.; Croff, S.L.; Brun, R.; Nwaka, S (2004) Antimalaria drug discovery: efficacy models for compound screening Nat Rev Drug Dis., 3(6):509-520, Huang, J.; Ma, G.; Muhammad, I.; Cheng, Y (2007) Identifying P-glycoprotein substrates using support vector machine optimized by a partical swarm J Chem Inf Model., 47(4):1638–1647 Ivaciuc, O (2007) Applications of support vetor machine in chemistry, Volume 23 In: Lipkowitz, K.B.; Cundari, T.R Reviews in computatinal chemistry, pp 291-400, Wiley-VCH, Weinheim Karatzoglou, A.; Meyer, D.; Hornik, K (2006) Support Vector Machines in R Journal of Statistical Software, 15(9):1-26 Liu, M.; Wilairat, B.; Go, M.L (2001) Antimalarial alkoxylated chalcones : structure – activity relationship analysis J Med Chem., 44: 4443-4452 Mayer, D (2009) LIBSVM : support vector machine http://www.csie.ntu.edu.tw/~cjlin/libsvm Nguyễn Văn Tuấn (2007) Phân tích số liệu tạo biểu đồ R- hướng dẫn thực hành, in lần thứ nhất, 1-340, NXB Khoa Học Kỹ Thuật, Hà Nội R (2009): The R project for statistical computing, http://.rproject.org/ Schlitzer, M (2007) Malaria chemotherapeutics part I: History of antimalarial drug development, currently used therapeutics, and drugs in clinical development ChemMedChem, 2(7): 944-986 Schlitzer, M (2008) Antimalarial Drugs – What is in use and what is in the pipeline Arch Pharm Chem Lifesci., 341:149163 Thai, K.-M.; Ecker, G F (2008) A Binary QSAR Model for Classification of hERG Potassium Channel Blockers Bioorg Med Chem, 16:4107-4119 Tran, T.-D.; Park, H.; Kim, H.P.; Ecker, G.F.; Thai, K.-M (2009) Inhibitory activity of prostaglandin E2 production by the synthetic 2’-hydroxychalcone analogues: synthesis and SAR study Bioorg Med Chem Lett., 19: 1650-1653 Y Học TP Hồ Chí Minh * Tập 14 * Phụ Số * 2010 Chuyên Đề Dược – YTCC – RHM – YHCT Nghiên cứu Y học Y Học TP Hồ Chí Minh * Tập 14 * Phụ Số * 2010 Chuyên Đề Dược – YTCC – RHM – YHCT 10 Nghiên cứu Y học ... hình dự đốn hoạt sốt rét P falciparum đề kháng CQ-chủng K1 tính kháng sốt rét dẫn chất chalcon trình bày Bảng Mơ hình F sử dụng để dự đốn 18 dẫn Bảng Cấu trúc dẫn chất 2’-hydroxychalcon giá trị... kháng sốt rét dự đoán dẫn chất 2’-hydroxychalcon KẾT LUẬN Trong nghiên cứu này, phương pháp máy vector hỗ trợ SVM áp dụng để xây dựng phương trình hồi qui tập hợp liệu tuyến tính Kết xây dựng... hình dẫn chất chalcon với r2 = 0,68 SE =0,13 sử dụng để dự đốn hoạt tính kháng sốt rét chủng P falciparum đề kháng CQ 18 dẫn chất 2’-hydroxychalcon tổng hợp Mối quan hệ cấu trúc tác dụng kháng sốt