Page 85 - 83_02
P. 85
Ramón García-Domenech et al.
34 18454 i 0,01 -5,4 i 4,73 5,60 5,79
35 1628 i 0,99 4,3 A 5,79 7,12 7,32
36 25 A 1,00 8,7 A 7,60 7,47 7,46
37 7 A 1,00 6,0 A 8,13 7,65 7,63
38 85 i 0,99 4,4 A 7,07 7,21 7,22
39 46 A 1,00 8,9 A 7,33 7,64 7,66
40 27 A 1,00 6,2 A 7,57 7,75 7,76
41 4 A 1,00 9,0 A 8,38 7,76 7,72
42 374 i 0,00 -6,9 i 6,43 6,80 6,96
a Valores de IC50 obtenidos en estudio previo(8) bA=activos (IC50<50nM); i=inactivos (IC50>50nM) cFunción discriminante obtenida con
la ecuación 1dA=activos (FD>0); i=inactivos (FD<0) eCalculado con el test interno de cros-validación.
Figura 1. Diagrama de la distribución farmacológica de la actividad anti-T. brucei mediante la relación entre expectativa (E) y
función discriminante (las barras negras representan los compuestos con IC50 <50 nM y las barras blancas los compuestos con
IC50>50 nM).
En segundo lugar, mediante el análisis de regresión
multilineal se seleccionó un modelo de predicción de pIC50 El modelo de predicción del MLRA obtuvo una
estadísticamente significativo. Este modelo incluyó cuatro correlación alta-positiva, entre los valores de pIC50
calculados y experimentales, y la cros-validación arrojó un
descriptores topológicos: índice de Kier-Hall de orden 3 y valor de q2=0,759, que muestra la alta capacidad predictiva
tipo cluster (3?cv), el IT de carga normalizado de orden 1 de los valores de pIC50 observados en la Tabla 3 y en la
(J1), diferencias de conectividad de orden 4 tipo path Figura 2.
(D4?p) y el índice de Wiener (W), descritos en la Ecuación
2 de predicción del MLRA para análogos del 3,5- Por otro lado, el test de aleatoriedad confirma que el
modelo responde a un patrón topológico y no es de tipo
difenilisoxazol. estocástico, debido a los bajos valores de r2 y q2 que se
obtienen al modificar los valores de pIC50 al azar
pIC50 = -1,09 – 16,66 3?cv +53,52 J1 – 8,60 D4?p + representados en la Figura 3.
0.008 W
n=43; R²=0,816; F(38,4)=42,2; p=0; EEE=0,42;
Q2=0,759
Ecuación 2
246 @Real Academia Nacional de Farmacia. Spain
